Академический Документы
Профессиональный Документы
Культура Документы
Tugas Akhir
Untuk memenuhi sebagian persyaratan
mencapai derajat Sarjana S-1 Jurusan Teknik Sipil
Oleh:
CANDRI SILA ISNAINI RYZKIA
F1A 011 028
Puji syukur penulis panjatkan kepada Allah SWT atas segala berkat dan
karunia-Nya, sehingga penulis dapat menyelesaikan penyusunan usulan tugas
akhir ini.
Tugas akhir ini mengambil judul Analisis Kekeringan di Kecamatan
Sekotong dengan Metode Standardized Precipitation Index (SPI) dan Desil .
Tujuan tugas akhir ini adalah untuk mengetahui kondisi kekeringan
Kecamatan Sekotong dengan menggunakan metode Standardized Precipitation
Index (SPI) dan Desil. Tugas akhir ini merupakan salah satu persyaratan kelulusan
guna mencapai gelar sarjana (S1) di Jurusan Teknik Sipil Fakultas Teknik
Universitas Mataram.
Mengingat keterbatasan penulis, penulis menyadari sepenuhnya bahwa
tugas akhir ini masih jauh dari kesempurnaan, oleh karena itu saran dan kritik
yang bersifat membangun dari berbagai pihak sangat diharapkan demi perbaikan
dan penyempurnaan tugas akhir ini. Akhir kata semoga tugas akhir ini dapat
bermanfaat bagi kita semua.
Penulis
iv
UCAPAN TERIMA KASIH
Tugas Akhir ini dapat diselesaikan berkat bantuan dan dorongan baik moril
maupun materil dari berbagai pihak, oleh karena itu pada kesempatan ini penulis
menyampaikan ucapan terima kasih yang setulus-tulusnya terutama kepada :
1. Bapak Yusron Saadi, ST., M.Sc., Ph.D., selaku Dekan Fakultas Teknik
Universitas Mataram.
2. Bapak Jauhar Fajrin, ST., M.Sc.(Eng)., Ph.D.,selaku Ketua Jurusan Teknik Sipil
Fakultas Teknik Universitas Mataram.
3. Ibu Humairo Saidah, ST., MT., selaku dosen pembimbing utama yang telah
memberikan bimbingan, arahan, dukungan serta semangat kepada penulis selama
penyusunan Tugas Akhir ini, sehingga dapat terselesaikan dengan baik.
4. Bapak M. Bagus Budianto, ST., MT., selaku dosen pembimbing pendamping
yang telah memberikan bimbingan, arahan, dukungan serta semangat kepada
penulis selama penyusunan Tugas Akhir ini, sehingga dapat terselesaikan dengan
baik.
5. Bapak Dr. Eng. Hartana, ST., MT., I Dewa Gede Jaya Negara, ST., MT., dan Atas
Pracoyo, ST., MT., Ph.D., selaku dosen penguji.
6. Bapak Drs. Hari Gunarso dan Ibu Mujiatiningsih tersayang, selaku kedua
orangtua penulis yang telah memberikan semuanya untukku.
7. Saudara-saudaraku tersayang Mas Dita dan Aura yang telah memberikan
semuanya untukku.
8. Kak Rangga yang selalu memberikan motivasi dan inspirasi dalam penyelesaian
Tugas Akhir ini.
9. Sahabat-sahabat terbaikku dan tersayang Decwi, Nina, Rya, Mega, Vyra, dan Pras
yang telah banyak membantu dalam penyelesaian Tugas Akhr ini serta selalu ada
di sampingku baik di saat tawa, senang maupun sedih.
10. Teman-teman sipil 2011 yang tetap memberikan semangat dan dukungan.
v
11. Adik-adik tingkat angkatan 2012, 2013, 2014 dan 2015.
12. Sahabat-sahabat SMP (Asri, Nonik, dan Eris), sahabat-sahabat SMA (Erma,
Ingga, dan Fitri) yang telah memberikan dukungannya.
13. Semua pihak yang tidak dapat penulis sebutkan satu persatu, yang telah
memberikan bimbingan kepada penulis dalam menyelesaikan Tugas Akhir ini.
Semoga Allah SWT. memberikan imbalan yang setimpal atas bantuan yang
diberikan kepada penulis.
vi
DAFTAR ISI
Halaman
HALAMAN JUDUL i
LEMBAR PENGESAHAN . ii
KATA PENGANTAR . iv
UCAPAN TERIMAKASIH....................................................................... v
DAFTAR ISI . vii
DARTAR TABEL ........................................................................................ x
DAFTAR GAMBAR .................................................................................... xi
INTISARI..................................................................................................... xii
ABSTRACK................................................................................................. xiii
BAB I PENDAHULUAN . 1
1.1 Latar Belakang 1
1.2 Rumusan Masalah ............................................................... 2
1.3 Tujuan Penelitian ................................................................. 3
1.4 Manfaat Penelitian ....................................................... 3
1.5 Batasan Masalah .................................................................. 3
BAB II DASAR TEORI 5
2.1 Tinjauan Pustaka .. 5
2.1.1 Hujan .......... 6
2.1.2 Kekeringan ................................................................. 6
2.1.2 Metode Indeks Kekeringan ........................................ 7
2.1.2 El Nino ....................................................................... 7
2.2 Landasan Teori ..................................................................... 11
2.2.1 Analisis Hidrologi ..................................................... 11
2.2.1.1 Penyiapan Data Hujan .................................... 11
2.2.1.2 Uji Konsistensi Data Hujan ............................ 11
2.2.2 Analisa Kekeringan ................................................... 13
2.2.2.1 Metode Standardized Precipitation Index
(SPI)... 13
2.2.2.2 Metode Desil.................................................... 17
2.2.3 Evaluasi Ketelitian Hubungan Indeks Kekeringan
Terhadap El Nino (SOI) dan Besarnya Curah Hujan.. 19
vii
2.2.4 Model Bangkitan Data dengan Model Thomas
Fiering ......................................................................... 20
BAB III METODOLOGI PENELITIAN ............................................. 24
3.1 Lokasi Penelitian .. 24
3.2 Pelaksanaan Penelitian ......................................................... 24
3.2.1 Tahap Persiapan .. 24
3.2.2 Pengumpulan Data .. 25
3.2.3 Alat dan Bahan ........ 25
3.2.4 Perhitungan dan Pengolahan Data .............................. 25
3.3 Bagan Alir Penelitian ... 28
BAB IV ANALISA DAN PEMBAHASAN 29
4.1 Tinjauan Umum. 29
4.2 Analisa Hidrologi.. 29
4.2.1 Pengumpulan Data... 29
4.2.2 Uji Konsistensi Data Curah Hujan............................... 30
4.3 Analisa Kekeringan... 32
4.3.1 Metode Standardized Precipitation Index (SPI)...... 32
4.3.2 Metode Desil................................................................ 46
4.4 Evaluasi Ketelitian Hubungan Indeks Kekeringan
Terhadap El Nino (SOI).......................................... 55
4.5 Evaluasi Ketelitian Hubungan Indeks Kekeringan
Terhadap Besarnya Curah Hujan.. 58
4.6 Prediksi Kekeringan.............................................................. 61
4.5.1 Bangkitan Data Curah Hujan dengan Model Thomas
Fiering . 61
4.5.2 Prediksi Kekeringan dengan Metode Standardized
Precipitation Index (SPI) dan Desil. 73
4.7 Evaluasi Ketelitian Indeks Kekeringan Prediksi (Data
Hujan Bangkitan) terhadap Kekeringan (Data Hujan Real)
BAB V Tahun 2015.................................................................. 74
4.8 Evaluasi Hubungan Indeks Kekeringan (Data Hujan Real)
Terhadap El Nino (SOI) Tahun 2015............................... 78
KESIMPULAN DAN SARAN. 80
viii
5.1 Kesimpulan 80
5.2 Saran.. 81
DAFTAR PUSTAKA
LAMPIRAN
ix
DAFTAR TABEL
Halaman
Tabel 2.1 Beberapa metode indeks kekeringan dan masukan data yang
dibutuhkan dalam perhitungan.. 10
Tabel 2.2 Klasifikasi nilai Indeks Osilasi Selatan / Southern Oscillation
Index (SOI). 10
Table 2.3 Nilai Indeks Osilasi Selatan / Southern Oscillation Index
(SOI)......................................................................................... 11
Tabel 2.4 Nilai kritis yang diijinkan untuk metode RAPS ..................... 14
Tabel 2.5 Klasifikasi nilai SPI ................................................................ 15
Tabel 2.6 Makna peringkat Desil (Gibbs dan Maher, 1967) ................... 18
Tabel 2.7 Skala nilai r....... 20
Tabel 4.1 Uji RAPS stasiun hujan Sekotong 31
Tabel 4.2 Perhitungan nilai dan stasiun hujan Sekotong... 35
Table 4.3 Perhitungan gamma distribusi G(x) stasiun hujan Sekotong... 37
Tabel 4.4 Perhitungan probabilitas kumulatif H(x) stasiun hujan
Sekotong 39
Tabel 4.5 Perhitungan transform gamma distribusi (t) stasiun hujan
Sekotong 41
Tabel 4.6 Perhitungan nilai SPI stasiun hujan Sekotong.. 43
Tabel 4.7 Klasifikasi tingkat kekeringan SPI stasiun hujan Sekotong.. 45
Tabel 4.8 Nilai fd dan cfb bulan Januari stasiun hujan Sekotong............. 47
Tabel 4.9 Perhitungan nilai desil bulan Januari stasiun hujan Sekotong.. 49
Tabel 4.10 Penggolongan curah hujan ke dalam kelas desil bulan Januari
stasiun hujan Sekotong.............................................................. 50
Tabel 4.11 Klasifikasi tingkat kekeringan desil bulan Januari stasiun
hujan Sekotong.......................................................................... 51
Tabel 4.12 Rekapitulasi desil stasiun hujan Sekotong................................ 52
Tabel 4.13 Klasifikasi tingkat kekeringan desil stasiun hujan Sekotong.... 54
Tabel 4.14 Hasil perhitungan koefisien korelasi antara SPI-SOI dan SOI-
Desil.............. 55
Tabel 4.15 Hasil perhitungan koefisien korelai antara SPI-Curah Hujan
dan Desil-Curah Hujan.. 58
x
Tabel 4.16 Perhitungan rata-rata curah hujan stasiun hujan Sekotong....... 62
Tabel 4.17 Analisis parameter nilai simpangan baku bulan Januari (Sj).. 64
Tabel 4.18 Nilai simpangan baku pada masing-masing bulan stasiun
hujan Sekotong.......................................................................... 65
Tabel 4.19 Analisa parameter koefisien korelasi (rj) bulan Januari stasiun
hujan Sekotong.......................................................................... 67
Tabel 4.20 Nilai koefisien korelasi pada masing-masing bulan stasiun
hujan Sekotong.......................................................................... 68
Tabel 4.21 Nilai koefisien regresi pada masing-masing bulan stasiun
hujan Sekotong.......................................................................... 70
Tabel 4.22 Nilai bilangan acak.................................................................... 70
Tabel 4.23 Perhitungan bangkitan data curah hujan tahun 2015 stasiun
hujan Sekotong.. 72
Tabel 4.24 Rekapitulasi hasil bangkitan data curah hujan stasiun hujan
Sekotong 73
Tabel 4.25 Klasifikasi tingkat kekeringan SPI prediksi stasiun hujan
Sekotong 73
Tabel 4.26 Klasifikasi tingkat kekeringan Desil prediksi stasiun hujan
Sekotong 74
Tabel 4.27 Evaluasi kekeringan metode SPI stasiun hujan Sekotong
tahun 2015........................................................................ 75
Tabel 4.28 Evaluasi kekeringan metode Desil stasiun hujan Sekotong
tahun 2015........................................................................ 76
Tabel 4.29 Rekapitulasi angka koefisien korelasi antara indeks
kekeringan prediksi dengan real tahun 2015.......................... 77
Tabel 4.30 Rekapitulasi angka koefisien korelasi antara indeks
kekeringan dengan nilai SOI tahun 2015............................... 79
xi
DAFTAR GAMBAR
Halaman
Gambar 3.1 Peta Lokasi Penelitian ....................................................... 25
Gambar 3.2 Bagan Alir Penelitian ........................................................ 29
Gambar 4.1 Grafik nilai SPI stasiun hujan Sekotong............................ 44
Gambar 4.2 Grafik nilai desil stasiun hujan Sekotong.......................... 53
Gambar 4.3 Grafik nilai SPI dan nilai SOI stasiun hujan Sekotong...... 56
Gambar 4.4 Grafik nilai Desil dan SOI stasiun hujan Sekotong............ 57
Gambar 4.5 Grafik nilai SPI dan curah hujan stasiun hujan
Sekotong..................................................................... 59
Gambar 4.6 Grafik nilai Desil dan curah hujan stasiun stasiun hujan
Sekotong..................................................................... 60
Gambar 4.7 Grafik nilai SPI stasiun hujan Sekotong.......................... 75
Gambar 4.8 Grafik nilai Desil stasiun hujan Sekotong........................ 76
Gambar 4.9 Grafik nilai SPI - SOI stasiun hujan Sekotong tahun 2015 78
Gambar 4.10 Grafik nilai Desil - SOI stasiun hujan Sekotong tahun
2015........................................................................... 79
xii
INTISARI
xii
ABSTRACK
1
2
3. Bagaimana ketelitian antara indeks kekeringan metode SPI dan metode Desil
terhadap besarnya hujan?
4. Bagaimana prediksi indeks kekeringan Kecamatan Sekotong?
5
6
Didefiniskan sebagai kekurangan hujan dari yang normal atau diharapkan selama
periode waktu tertentu. Perhitungan tingkat kekeringan meteorologis merupakan
indikasi pertama terjadinya kondisi kekeringan.
2. Kekeringan pertanian (agricultural drought)
Kekeringan pertanian ini terjadi setelah terjadinya gejala kekeringan meteoro-
logis. Kekeringan ini berhubungan dengan berkurangnya kandungan air dalam
tanah (lengas tanah) sehingga tidak mampu lagi memenuhi kebutuhan air bagi
tanaman pada suatu periode tertentu. Dicirikan dengan kekurangan lengas tanah.
3. Kekeringan hidrologi (hydrological drought)
Didefinisikan sebagai kekurangan pasok air permukaan dan air tanah dalam
bentuk air di danau dan waduk, aliran sungai, dan muka air tanah. Kekeringan
hidrologis diukur dari ketinggian muka air sungai, waduk, danau dan air tanah.
2.1.4 El Nino
Salah satu anomali iklim berskala global adalah El Nino. Istilah El Nino
pertama kali dicetuskan pada abad 19 oleh para nelayan di Peru yang
mendefinisikannya sebagai menghangatnya suhu permukaan laut di sekitar pesisir
saat hari raya natal (Enfield, 1988). Mekanisme El Nino berawal dari menghangatnya
suhu permukaan air laut di Samudra Pasifik sekitar ekuator atau terjadi tekanan udara
rendah di daerah tersebut. Suhu permukaan air laut di perairan Indonesia pada saat
yang bersamaan menjadi dingin yang kemudian membentuk tekanan udara yang
tinggi. Perbedaan tekanan udara yang cukup besar atau peningkatan suhu permukaan
8
laut di Samudra Pasifik sekitar ekuator yang tinggi dapat menyebabkan massa udara
di Indonesia cenderung bergerak ke arah Samudra Pasifik sekitar ekuator yang
memiliki tekanan udara lebih rendah. Peristiwa El Nino acap kali dibarengi dengan
musim kemarau yang berkepanjangan akibat semakin berkurangnya jumlah curah
hujan yang turun di wilayah tertentu, kejadian El Nino dapat berulang dalam rentang
2 hingga 7 tahun dengan rata-rata kejadian sekali dalam 4 tahun (Sarachik, 2010
Terdapat beberapa parameter yang mempengaruhi terjadinya El Nino, antara lain:
1. Anomali Suhu Permukaan Laut
Ketika terjadi El Nino, suhu permukaan laut di Samudra Pasifik ekuator bagian
tengah dan timur memanas, yakni suhu berada di atas normal. Sebaliknya, suhu
permukaan laut di Samudra Pasifik ekuator bagian barat atau di sekitar wilayah
perairan Indonesia menjadi lebih dingin dari biasanya, yaitu suhu berada di
bawah normal. Keadaan inilah yang menjadi salah satu parameter yang
mengindikasikan terjadinya El Nino. Kondisi sebaliknya mengindikasikan
terjadinya La Nina.
2. Indeks Osilasi Selatan / Southern Oscillation Index (SOI)
El Nino juga memiliki intensitas yang dikategorikan menurut besarnya
penyimpangan suhu muka air laut yang menyebabkan perubahan tekanan udara
di atas nilai rata-ratanya. Perubahan tekanan udara tersebut dapat dibaca dengan
Indeks Osilasi Selatan (South Oscillation Index / SOI). Biasanya nilai SOI yang
dipakai untuk kepentingan analisis klimatologi berskala bulanan, sebab nilai SOI
dengan skala harian atau mingguan dapat dipengaruhi oleh pola-pola cuaca
harian. SOI mengindikasikan adanya El Nino ataupun La Nina di Samudra
Pasifik dengan melihat perbedaan tekanan atmosfer antara Tahiti dan Darwin.
Darwin merupakan perwakilan dari wilayah Hindia Australia, sedangkan
Tahiti mewakili wilayah Amerika Selatan. Ketika El Nino terjadi, tekanan udara
rata-rata di Darwin lebih tinggi daripada di Tahiti, ditunjukkan dengan nilai SOI
yang negatif, sedangkan nilai SOI positif mengindikasikan terjadinya La Nina.
Intensitas El Nino dikatakan semakin kuat apabila nilai SOI-nya semakin
9
Tabel 2.1 Beberapa metode indeks kekeringan dan masukan data yang dibutuhkan
dalam perhitungan
No Metode Indeks Kekeringan Data yang diperlukan
Tabel 2.2 Klasifikasi nilai Indeks Osilasi Selatan / Southern Oscillation Index (SOI)
Klasifikasi Nilai SOI
Tabel 2.3 Nilai Indeks Osilasi Selatan / Southern Oscillation Index (SOI)
Tahun Jan Feb Mar Apr Mei Jun Jul Agust Sept Okt Nov Des
1990 -1.1 -17.3 -8.5 -0.5 13.1 1.0 5.5 -5.0 -7.6 1.8 -5.3 -2.4
1991 5.1 0.6 -10.6 -12.9 -19.3 -5.5 -1.7 -7.6 -16.6 -12.9 -7.3 -16.7
1992 -25.4 -9.3 -24.2 -18.7 0.5 -12.8 -6.9 1.4 0.8 -17.2 -7.3 -5.5
1993 -8.2 -7.9 -8.5 -21.1 -8.2 -16.0 -10.8 -14.0 -7.6 -13.5 0.6 1.6
1994 -1.6 0.6 -10.6 -22.8 -13.0 -10.4 -18.0 -17.2 -17.2 -14.1 -7.3 -11.6
1995 -4.0 -2.7 3.5 -16.2 -9.0 -1.5 4.2 0.8 3.2 -1.3 1.3 -5.5
1996 8.4 1.1 6.2 7.8 1.3 13.9 6.8 4.6 6.9 4.2 -0.1 7.2
1997 4.1 13.3 -8.5 -16.2 -22.4 -24.1 -9.5 -19.8 -14.8 -17.8 -15.2 -9.1
1998 -23.5 -19.2 -28.5 -24.4 0.5 9.9 14.6 9.8 11.1 10.9 12.5 13.3
1999 15.6 8.6 8.9 18.5 1.3 1.0 4.8 2.1 -0.4 9.1 13.1 12.8
2000 5.1 12.9 9.4 16.8 3.6 -5.5 -3.7 5.3 9.9 9.7 22.4 7.7
2001 8.9 11.9 6.7 0.3 -9.0 1.8 -3.0 -8.9 1.4 -1.9 7.2 -9.1
2002 2.7 7.7 -5.2 -3.8 -14.5 -6.3 -7.6 -14.6 -7.6 -7.4 -6.0 -10.6
2003 -2.0 -7.4 -6.8 -5.5 -7.4 -12.0 2.9 -1.8 -2.2 -1.9 -3.4 9.8
2004 -11.6 8.6 0.2 -15.4 13.1 -14.4 -6.9 -7.6 -2.8 -3.7 -9.3 -8.0
2005 1.8 -29.1 0.2 -11.2 -14.5 2.6 0.9 -6.9 3.9 10.9 -2.7 0.6
2006 12.7 0.1 13.8 15.2 -9.8 -5.5 -8.9 -15.9 -5.1 -15.3 -1.4 -3.0
2007 -7.3 -2.7 -1.4 -3.0 -2.7 5.0 -4.3 2.7 1.5 5.4 9.8 14.4
2008 14.1 21.3 12.2 4.5 -4.3 5.0 2.2 9.1 14.1 13.4 17.1 13.3
2009 9.4 14.8 0.2 8.6 -5.1 -2.3 1.6 -5.0 3.9 -14.7 -6.7 -7.0
2010 -10.1 -14.5 -10.6 15.2 10.0 1.8 20.5 18.8 25.0 18.3 16.4 27.1
2011 19.9 22.3 21.4 25.1 2.1 0.2 10.7 2.1 11.7 7.3 13.8 23.0
2012 9.4 2.5 2.9 -7.1 -2.7 -10.4 -1.7 -5.0 2.7 2.4 3.9 -6.0
2013 -1.1 -3.6 11.1 0.3 8.4 13.9 8.1 -0.5 3.9 -1.9 9.2 0.6
2014 12.2 -1.3 -13.3 8.6 4.4 -1.5 -3.0 -11.4 -7.5 -8.0 -10.0 -5.5
Sumber : Australian Government Bureau of Meteorology
(http://www.bom.gov.au/climate/current/soi2.shtml)
11
c. Lokasi dipindahkan.
Untuk memperoleh hasil analisis yang baik, data hujan harus dilakukan
pengujian konsistensi terlebih dahulu untuk mendeteksi penyimpangan ini. Uji
konsistensi juga meliputi homogenitas data karena data konsisten berarti data
homogen. Pengujian konsistensi ada berbagai cara diantaranya RAPS (Rescaled
Adjusted Partial Sum).
Persamaan yang digunakan adalah sebagai berikut (Sri Harto, 1993):
S
Sk k (2-1)
Dy
k = 0,1,2,,n
Y Y
n
2
i
Dy i 1
2
(2-2)
n
2
S k Yi Y
n
(2-3)
i 1
k = 1,2,3,,n
Nilai statistik Q :
Q maks S k (2-4)
0 kn
( x x)
Sd (2-7)
n
dengan : S = standar deviasi
menghitung di Microsoft Excel dengan fungsi = STDEV (first : last)
3. Menghitung :
x2
2 (2-8)
Sd
dengan :
x = Nilai rata-rata kejadian hujan (mm)
Sd = Standar deviasi
4. Menghitung :
x
(2-9)
dengan :
x = Nilai rata-rata kejadian hujan (mm)
5. Menghitung gamma distribusi :
x x x
1
G( x) g ( x)dx t a 1e dx (2-10)
0 ( a ) 0
menghitung di Microsoft Excel dengan fungsi = GAMMADIST (x, , , true)
6. Menghitung transfom gamma distribution :
1
t ln 2
untuk 0 < H(x) 0.5 (2-11)
H ( x)
16
1
t ln 2
untuk 0.5 < H(x) 1.0 (2-12)
(1 H ( x))
dengan :
H ( x) q (1 q)G ( x) (2-13)
q = m/n dengan m adalah jumlah kejadian hujan 0 mm dalam deret seri data
hujan.
7. Menghitung nilai SPI
c0 c1t c 2 t 2
Z SPI (t untuk 0 < H(x) 0.5 (2-14)
1 d1t d 2 t 2 d 3t 3
c0 c1t c 2 t 2
Z SPI (t untuk 0.5 < H(x) 1.0 (2-15)
1 d1t d 2 t 2 d 3t 3
dengan :
Berdasarkan definisi desil kelima sama dengan median, sehingga cara ini
dikelompokan menjadi 5 kelompok yaitu :
Desil 1 2 : terendah, 20 % jauh dibawah normal
Desil 3 - 4 : diatas terrendah, 20 % di bawah normal
Desil 5 - 6 : di tengah, 20 % mendekati normal
Desil 7 - 8 : di atas tengah-tengah, 20 % diatas normal
Desil 9 - 10 : tertinggi, jauh diatas normal
Metode Desil dipilih sebagai ukuran kekeringan oleh Austalian Drought
Watch System karena relatif sederhana untuk dihitung (Sudhian Aryadipura, 2012).
Adapaun peringkat klasifikasi menurut metoda Desil terdiri dari 10 klasifikasi
makna, dimana indeks kekeringan kajian saat ini ditentukan berdasarkan Desil-1,
yaitu desil yang mengkategorikan amat sangat ditentukan berdasarkan Desil-1, yaitu
desil yang mengkategorikan amat sangat di bawah rata-rata. Klasifikasi metoda Desil
disajikan pada Tabel 2.6.
hujan berdasarkan tingkatan Desil-1 (amat sangat kering). Desil yang dihitung dari
periode data hujan yang pendek menghasilkan nilai yang berbeda dengan apabila
menggunakan data yang panjang (Adidarma, 2007).
n
10 N cf b
D1 Bb .i (2-16)
fd
dengan :
D1 = Desil-1 yang dicari pada suatu titik yang membatasi 10 % frekwensi
yang terbawah dalam distribusi.
Bb = Batas bawah rentang interval Desil-1 (nyata)
atmosfer di atas permukaan laut di Tahiti (Pasifik timur) dengan tekanan atmosfer di
Darwin (pasafik barat) akibat dari perbedaan temperatur pemukaan laut di kedua
wilayah tersebut nilai SOI dapat dijadikan patokan terjadinya feno-mena El Nino dan
La Nina. Untuk membandingkan apakah benar nilai indeks kekeringan berdasarkan
metode SPI maupun Desil yang terjadi di Kecamatan Sekotong dipengaruhi juga oleh
faktor peristiwa El Nino dan besarnya curah hujan, maka akan dilakukan
perbandingan antara nilai indeks kekeringan dengan nilai El Nino (SOI) dan besarnya
curah hujan. Perbandingan ini dilakukan dengan cara mencari angka koefisien
korelasi.
a. Koefisien Korelasi
Yang dimana nilai r = 1 berarti bahwa korelasi antara peubah y dan x adalah
positif (meningkatnya nilai x akan mengakibatkan meningkatnya nilai y), sebaliknya
jika r = -1, berarti korelasi antara peubah y dan x adalah negatif (meningkatnya nilai x
akan mengakibatkan menurunnya nilai y). Nilai r = 0 menyatakan tidak ada korelasi
antar peubah. Perhitungannya dapat dilakukan secara manual atau dapat pula dihitung
dengan bantuan lembar kerja Microsoft Excel, menggunakan fungsi
=CORREL(array1,array2).
( Iobs
n
I obs ) ( Isim Isim )
rj i 1
( Iobs
n
I obs ) 2 ( Isim Isim ) 2
i 1
dengan :
Iobs = Nilai pengamatan
I obs = Rata-rata nilai pengamatan
Isim = Nilai model
Isim = Rata-rata nilai model
20
Akan tetapi pada penelitian ini akan digunakan rumus korelasi pada Microsoft
Excel.
p i, j = p j + bj . ( pi , j 1 p j 1 ) + ti,,j. s j (1 r j )
2
(2-18)
dengan :
p i, j = Curah hujan hasil pembangkitan yang dicari (pada tahun ke-i, bulan ke-j)
p i,j-1 = Curah hujan pada tahun ke-i, bulan ke j-1 (pada bulan sebelumnya)
ti,j = Nilai acak berdistribusi normal baku (pada tahun ke-i, bulan ke-j)
Parameter-parameter statistiknya yaitu:
1. Menghitung curah hujan rerata tiap-tiap bulan dari data historis yang tersedia
dengan rumus sebagai berikut:
n
p i, j
pj i 1
(2-19)
n
dengan:
pj = Curah hujan rerata bulan ke-j (mm)
( p i, j p j )2
sj i 1
(2-20)
n 1
dengan :
Sj = Simpangan baku bulan ke-j
pi,j = Curah hujan tahun ke-I, bulan ke-j (mm)
pj = Curah hujan rerata bulan ke-j (mm)
( p
n
i, j p j ) ( pi , j 1 p j 1 )
rj i 1
(2-21)
( p
n
i, j p j ) 2 ( pi , j 1 p j 1 ) 2
i 1
dengan:
rj = Koefisien korelasi curah hujan rerata bulan ke-j dengan bulan ke-j-1
pi,j = Curah hujan tahun ke-i, bulan ke-j (mm)
pj = Curah hujan rerata bulan ke-j (mm)
22
dengan :
bj = Koefisien regresi bulan ke-j
rj = Koefisien korelasi curah hujan rerata bulan ke-j dengan bulan ke-j-1
Sj = Simpangan baku bulan ke-j
Sj-1= Simpangan baku bulan ke-j-1
5. Menentukan rangkaian bilangan acak diperoleh dari program Minitab.
6. Membangkitkan rangkaian data dengan menggunakan rumus Thomas Fiering.
p i, j = p j + bj . ( pi , j 1 p j 1 ) + ti,,j. s j (1 r j )
2
(2-23)
Lokasi penelitian
29
30
Persiapan
Pengumpulan data
Tidak
Uji konsistensi
data
Ya
Analisis kekeringan :
a. Metode Standardized Precipitation Index
(SPI)
b. Metode Desil
Selesai
BAB IV
ANALISA DAN PEMBAHASAN
Dalam studi ini uji konsistensi data curah hujan menggunakan metode RAPS
(Rescaled Adjusted Partial Sums) seperti tercantum dalam persamaan (2-1) sampai
dengan persamaan (2-5).
Contoh analisis uji konsistensi data curah hujan stasiun hujan Sekotong pada
tahun 1990 adalah sebagai berikut :
1. Curah hujan tahun 1990 (Xi) = 1258 mm
2. Jumlah data hujan (n) = 25
= 1258 1362,588
= -104,588 mm
(X i X )2
5. Nilai Statistik (Dy2) =
n
(1258 - 1362,588) 2
=
25
= 437,542
Dy
2
6. Dy = = 58094,260 = 241,028
SK *
7. Nilai Statistik SK ** = Dy
- 104,588
= 241,028
= -0,434
8. Harga Mutlak | SK ** | = 0,434
Hasil perhitungan untuk tahun-tahun selanjutnya stasiun hujan Sekotong dapat
dilihat pada Tabel 4.1.
36
Dari hasil perhitungan untuk Uji RAPS data curah hujan, didapatkan nilai
Q / n < Q / n ijin 90% serta R / n < R / n ijin 90 % (pada Tabel 2.4) memenuhi
syarat. Berdasarkan uji konsistensi data dengan menggunakan metode RAPS
(Rescaled Adjusted Parsial Sums) hasil pengujian pada stasiun hujan Sekotong adalah
konsisten. Data yang konsisten menunjukan bahwa data curah hujan yang digunakan
pada analisa ini tidak mengalami perubahan sifat atau pun pergeseran nilai rata-
ratanya (mean).
( x x) 2
Sd
n 1
dengan :
Sd = Standar deviasi
x = Curah hujan (mm)
x = Nilai rata-rata kejadian hujan (mm)
n = Jumlah data
( x x) 2
Sd
n 1
2
(505 - 247.508) 2 (356 247.508) 2 ... (478.3 - 247.508)
=
25 1
= 152.405
39
x 247.508
= 93.844
2.637
Alpha () 2.637 6.827 3.028 3.816 1.449 0.467 0.467 0.349 0.263 1.137 3.648 2.197
Beta () 93.844 41.046 57.615 31.786 37.199 49.037 37.052 11.926 49.606 52.222 38.242 104.218
Keterangan : m = jumlah kejadian hujan 0 mm dalam deret seri data hujan
Sumber : Hasil perhitungan
41
x x x
1
G( x) g ( x)dx x a1e dx
0
( a ) 0
1 ( )
= () (1)
505
1
= 93.8442.637 x (2.637) 505(2.6371) (93.844)
= 0.934
H(x) = + (1 ) . ()
dengan :
q = m/n dengan m adalah jumlah kejadian hujan 0 mm dalam deret seri data
hujan (dapat dilihat pada Tabel 4.2)
G(x) = Gamma distribusi
= 0 + (1 0 ) x 0.934
= 0.934
1
t ln 2
untuk 0 < H(x) 0.5
H ( x)
1
t ln 2
untuk 0.5 < H(x) 1.0
(1 H ( x))
Contoh perhitungan dengan 0 < H(x) 0.5 yaitu bulan Januari tahun 1992 :
1 = 1.796
t ln
0.200
2
Contoh perhitungan dengan 0.5 < H(x) 1.0 bulan Januari tahun 1990 :
1
t ln 2
= 2.332
(1 0.934)
c0 c1t c 2 t 2
Z SPI (t ) untuk 0.5 < H(x) 1.0
1 d 1t d 2 t 2 d 3 t 3
dengan :
Contoh perhitungan dengan 0 < H(x) 0.5 yaitu bulan Januari tahun 1992 :
c0 c1t c 2 t 2
Z SPI (t )
1 d1t d 2 t 2 d 3t 3
= -0.843
Contoh perhitungan dengan 0.5 < H(x) 1.0 bulan Januari tahun 1990 :
c0 c1t c 2 t 2
Z SPI (t )
1 d 1t d 2 t 2 d 3 t 3
= 1.508
3
2.5
2
1.5
1
0.5
Nilai SPI
0
-0.5
-1
-1.5
-2
-2.5
-3
1990
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
2013
2014
Tahun
: Titik tahun yang mengalami kekeringan dalam tingkat Amat Sangat Kering
Kekeringan terparah jatuh pada tahun 1990 dengan nilai SPI amat sangat
kering dengan nilai SPI -2.598.
Untuk lebih jelasnya dapat dilihat pada Tabel 4.7 untuk tingkat kekeringan.
50
10 kelompok. Kelompok pertama adalah hujan dengan kemungkinan lebih kecil 10%
dari seluruh kejadian. Kelompok kedua adalah curah hujan dengan kemungkinan
lebih kecil 20% dari seluruh kejadian. Rumus metode Desil-n secara umum menurut
Hadi,1989 yaitu :
n
10 N cf b
Dn Bb . i
fd
dengan :
Dn = Desil-n yang dicari pada suatu titik yang membatasi 10 % frekwensi
yang terbawah dalam distribusi.
Bb = Batas bawah rentang interval Desil-n (nyata)
cf b = Frekwensi kumulatif di bawah Desil-n yang dicari
Dalam perhitungan desil seri data curah hujan diurutkan dari nilai terkecil
hingga nilai terbesar terlebih dahulu. Pengurutan curah hujan dari nilai terkecil
hingga terbesar stasiun hujan Sekotong dapat dilihat pada lampiran 2.
52
Jan fd cf b
57.000 1 1
80.000 1 2
99.000 1 3
99.000 1 4
99.000 1 5
112.000 1 6
119.000 1 7
121.000 1 8
132.000 1 9
152.000 1 10
171.000 1 11
206.000 1 12
211.000 1 13
249.000 1 14
267.000 1 15
293.000 1 16
301.000 1 17
313.900 1 18
334.000 1 19
356.000 1 20
363.000 1 21
440.000 1 22
478.300 1 23
505.000 1 24
629.300 1 25
Sumber : Hasil perhitungan
53
Setelah diketahui letak D1 maka dengan melihat tabel 4.8 dapat diketahui :
99.000 80.000
Bb = 89.500
2
cf b = 2
fd = 1
N = 25
n =1
i = 99.000 80.000 = 19.000
Data diatas dimasukkan kedalam rumus desil :
n
10 N cf b
D1 Bb . i
fd
1
10 25 2
D1 89.500 . 19.000
1
= 99.000 mm
Proses perhitungan untuk mencari D2, D3, D4, D5, D6, D7, D8, D9, dan D10
tidak berbeda dan dapat dilihat di lampiran 3 sampai 14. Hasil perhitungan untuk nilai
desil bulan Januari dapat dilihat pada Tabel 4.9.
54
Tabel 4.9 Perhitungan nilai desil bulan Januari stasiun hujan Sekotong
Desil Letak Bb fd cf b i Nilai
1 2.5 89.500 1 2 19 99
2 5 99.000 1 4 0 99
3 7.5 120.000 1 7 2 121
4 10 142.000 1 9 20 162
5 12.5 208.600 1 12 5.2 211.2
6 15 258.000 1 14 18 276
7 17.5 307.450 1 17 12.9 313.9
8 20 345.000 1 19 22 367
9 22.5 459.150 1 22 38.3 478.3
10 25 567.150 1 24 124.3 691.45
Sumber : Hasil perhitungan
Kemudian curah hujan bulan Januari tersebut di golongkan ke D1, D2, D3, D4,
D5, D6, D7, D8, D9, atau D10 sesuai dengan nilai desil yang didapatkan (Tabel 4.9
diatas).
55
Tabel 4.10 Penggolongan curah hujan ke dalam kelas desil bulan Januari stasiun
hujan Sekotong
Jan Desil
57.000 1
80.000 1
99.000 1
99.000 2
99.000 2
112.000 3
119.000 3
121.000 3
132.000 4
152.000 4
171.000 4
206.000 5
211.200 5
249.000 6
267.000 6
293.000 7
301.000 7
313.900 7
334.000 8
356.000 8
363.000 8
440.000 9
478.300 9
505.000 10
629.300 10
Sumber : Hasil perhitungan
56
Tabel 4.11 Klasifikasi tingkat kekeringan desil bulan Januari stasiun hujan Sekotong
Tahun Jan Desil Klasifikasi
1990 505.000 10 ASB
1992 356.000 8 CB
1993 119.000 3 CK
1994 363.000 8 CB
1995 171.000 4 N
1999 99.000 1 ASK
2000 99.000 2 SK
2001 112.000 3 CK
2002 121.000 3 CK
2004 334.000 8 CB
2005 249.000 6 N
2007 293.000 7 N
2008 132.000 4 N
2010 440.000 9 SB
2013 206.000 5 N
2009 80.000 1 ASK
2012 267.000 6 N
2003 301.000 7 N
2011 99.000 2 SK
2006 57.000 1 ASK
1997 152.000 4 N
1991 211.200 5 N
1998 629.300 10 ASB
1996 313.900 7 N
2014 478.300 9 SB
Sumber : Hasil perhitungan
1
Desil
-1
-2
-3
-4
2005
1990
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2006
2007
2008
2009
2010
2011
2012
2013
2014
Tahun
Keterangan :
ASK : Amat sangat kering CB : Cukup basah
SK : Sangat kering SB : Sangat basah
CK : Cukup kering ASB : Amat sangat basah
N : Normal
60
Dari kedua metode analisis kekeringan baik SPI maupun Desil keduanya
memiliki kesamaan yaitu sasiun hujan yang berpengaruh di Kecamatan Sekotong
yaitu stasiun hujan Sekotong menunjukkan kejadian kekeringan yang cukup tinggi.
Oleh karena itu Kecamatan Sekotong termasuk salah satu daerah yang mengalami
kekeringan terparah karena stasiun hujan yang berpengaruh memiliki kejadian
kekeringan yang cukup tinggi.
Tabel 4.14 Hasil perhitungan koefisien korelasi antara SPI- SOI dan Desil- SOI
r
SPI- SOI 0.175
Desil- SOI 0.216
Sumber : Hasil perhitungan
Dari tabel diatas dapat dilihat bahwa SPI- SOI menghasilkan angka koefisien
korelasi 0.175 (sangat rendah), sedangkan Desil- SOI menghasilkan angka korelasi
0.216 (rendah), karena selama tahun pengamatan hanya beberapa saja/sebagian kecil
yang memperlihatkan adanya hubungan yang searah, dapat dilihat pada grafik
berikut.
61
Gambar 4.3 Grafik nilai SPI dan nilai SOI stasiun hujan Sekotong
62
Gambar 4.4 Grafik Desil dan nilai SOI stasiun hujan Sekotong
63
Dari hasil analisa maka dapat disimpulkan bahwa nilai indeks kekeringan
berdasarkan metode SPI dan Desil di Kecamatan Sekotong, keduanya tidak
berkorelasi kuat terhadap nilai EL Nino (SOI).
Dari hasil analisa maka dapat disimpulkan bahwa nilai indeks kekeringan
berdasarkan metode SPI dan Desil, keduanya berkorelasi cukup kuat terhadap
besarnya curah hujan.
p i, j
pj i 1
n
Dengan:
pj = Curah hujan rerata bulan ke-j (mm)
p i 1
i, j
Curah hujan Jan (1990 1991 . . . 2014)
pj =
n 25
6187.700
= 247.508 mm
25
Hasil perhitungan selanjutnya dapat dilihat pada Tabel 4.16.
Tabel 4.16 Perhitungan rata-rata curah hujan stasiun hujan Sekotong
Tahun Jan Feb Mar Apr Mei Jun Jul Agust Sept Okt Nov Des
1990 505.000 79.000 315.000 0.000 34.000 0.000 0.000 11.000 40.000 30.000 37.000 207.000
1991 356.000 487.000 107.000 111.000 58.000 0.000 26.000 0.000 0.000 0.000 209.000 105.000
1992 119.000 381.000 229.000 60.000 0.000 0.000 32.000 0.000 91.000 90.000 178.000 80.000
1993 363.000 302.000 40.000 0.000 0.000 0.000 0.000 32.000 6.000 32.000 57.000 588.000
1994 171.000 249.000 381.000 95.000 0.000 5.000 0.000 0.000 0.000 20.000 173.000 170.000
1995 99.000 334.000 179.000 79.000 62.000 0.000 0.000 7.000 0.000 162.000 103.000 204.000
1996 99.000 334.000 179.000 79.000 62.000 0.000 0.000 7.000 0.000 162.000 103.000 204.000
1997 112.000 435.000 79.000 101.000 54.000 44.000 3.000 0.000 0.000 0.000 72.000 147.000
1998 121.000 136.000 280.000 146.000 14.000 9.000 97.000 2.000 72.000 155.000 171.000 307.000
1999 334.000 390.000 276.000 170.000 14.000 2.000 1.000 5.000 1.000 152.000 204.000 213.000
2000 249.000 235.000 270.000 201.000 131.000 15.000 0.000 0.000 0.000 0.000 0.000 0.000
2001 293.000 135.000 185.000 229.000 19.000 95.000 18.000 0.000 0.000 115.000 172.000 90.000
2002 132.000 384.000 0.000 184.000 11.000 3.000 0.000 0.000 0.000 3.000 172.000 455.000
2003 440.000 202.000 88.000 47.000 48.000 11.000 6.000 0.000 59.000 15.000 138.000 531.000
2004 206.000 161.000 116.000 70.000 50.000 3.000 0.000 0.000 0.000 17.000 105.000 233.000
2005 80.000 246.000 231.000 145.000 0.000 38.000 63.000 0.000 0.000 16.000 47.000 152.000
2006 267.000 256.000 326.000 145.000 99.000 62.000 2.000 0.000 0.000 74.500 98.000 188.000
2007 301.000 183.000 215.000 234.500 93.000 36.000 61.000 0.000 0.000 52.000 338.000 300.000
2008 99.000 196.000 180.000 196.000 132.000 36.000 0.000 5.000 8.000 86.000 243.000 106.000
2009 57.000 448.000 79.000 103.000 54.000 44.000 4.000 9.750 1.500 74.250 167.750 331.500
2010 152.000 312.250 179.500 121.500 40.250 23.000 16.250 4.188 0.375 84.813 195.438 267.375
2011 211.200 197.600 144.900 150.000 45.400 9.300 24.700 1.800 32.200 43.300 111.600 0.000
2012 629.300 236.000 4.600 128.800 155.000 2.000 45.700 5.000 7.400 10.100 155.800 184.600
2013 313.900 334.200 175.500 98.400 113.600 134.700 6.900 0.700 7.900 90.300 87.600 502.100
2014 478.300 352.200 101.500 138.000 58.500 0.000 26.300 13.700 0.000 0.000 149.600 157.800
Jumlah 6187.700 7005.250 4361.000 3032.200 1347.750 572.000 432.850 104.138 326.375 1484.263 3487.788 5723.375
Rerata 247.508 280.210 174.440 121.288 53.910 22.880 17.314 4.166 13.055 59.371 139.512 228.935
Sumber : Hasil perhitungan
67
68
(p
i 1
i, j p j )2
sj
n 1
dengan :
Sj = Simpangan baku bulan ke-j
pi,j = Curah hujan tahun ke-I, bulan ke-j (mm)
pj = Curah hujan rerata bulan ke-j (mm)
Tabel 4.17 Analisis parameter nilai simpangan baku bulan Januari (Sj)
Tahun pi j ( pi , j p j ) ( pi , j p j ) 2
1990 505.000 257.492 66302.130
1991 356.000 108.492 11770.514
1992 119.000 -128.508 16514.306
1993 363.000 115.492 13338.402
1994 171.000 -76.508 5853.474
1995 99.000 -148.508 22054.626
1996 99.000 -148.508 22054.626
1997 112.000 -135.508 18362.418
1998 121.000 -126.508 16004.274
1999 334.000 86.492 7480.866
2000 249.000 1.492 2.226
2001 293.000 45.492 2069.522
2002 132.000 -115.508 13342.098
2003 440.000 192.492 37053.170
2004 206.000 -41.508 1722.914
2005 80.000 -167.508 28058.930
2006 267.000 19.492 379.938
2007 301.000 53.492 2861.394
2008 99.000 -148.508 22054.626
2009 57.000 -190.508 36293.298
2010 152.000 -95.508 9121.778
2011 211.200 -36.308 1318.271
2012 629.300 381.792 145765.131
2013 313.900 66.392 4407.898
2014 478.300 230.792 53264.947
Jumlah 6187.700 - 557451.778
Rerata 247.508 - -
Sumber : Hasil perhitungan
( p i, j p j )2
557451.778
sj i 1
152.405mm
n 1 25 1
70
( p
n
i, j p j ) ( pi , j 1 p j 1 )
rj i 1
( p
n
i, j p j ) 2 ( pi , j 1 p j 1 ) 2
i 1
dengan:
rj = Koefisien korelasi curah hujan rerata bulan ke-j dengan bulan ke-j-1
pi,j = Curah hujan tahun ke-i, bulan ke-j (mm)
pj = Curah hujan rerata bulan ke-j (mm)
Tabel 4.19 Analisa parameter koefisien korelasi (rj) bulan Januari stasiun hujan Sekotong
( pi , j p j )
pi, j pi , j 1 pj pi , j p j p j 1 pi , j 1 p j 1 ( pi , j p j )2 ( pi , j 1 p j 1 ) 2
( pi , j 1 p j 1 )
1 2 3 4 5 6 7 8 9 10 = 5 x 7
1 505 207 247.508 257.492 228.935 -21.935 66302.130 481.144 -5648.087
2 356 105 247.508 108.492 228.935 -123.935 11770.514 15359.884 -13445.956
3 119 80 247.508 -128.508 228.935 -148.935 16514.306 22181.634 19139.339
4 363 588 247.508 115.492 228.935 359.065 13338.402 128927.674 41469.135
5 171 170 247.508 -76.508 228.935 -58.935 5853.474 3473.334 4508.999
6 99 204 247.508 -148.508 228.935 -24.935 22054.626 621.754 3703.047
7 99 204 247.508 -148.508 228.935 -24.935 22054.626 621.754 3703.047
8 112 147 247.508 -135.508 228.935 -81.935 18362.418 6713.344 11102.848
9 121 307 247.508 -126.508 228.935 78.065 16004.274 6094.144 -9875.847
10 334 213 247.508 86.492 228.935 -15.935 7480.866 253.924 -1378.250
11 249 0 247.508 1.492 228.935 -228.935 2.226 52411.234 -341.571
12 293 90 247.508 45.492 228.935 -138.935 2069.522 19302.934 -6320.431
13 132 455 247.508 -115.508 228.935 226.065 13342.098 51105.384 -26112.316
14 440 531 247.508 192.492 228.935 302.065 37053.170 91243.264 58145.096
15 206 233 247.508 -41.508 228.935 4.065 1722.914 16.524 -168.730
16 80 152 247.508 -167.508 228.935 -76.935 28058.930 5918.994 12887.228
17 267 188 247.508 19.492 228.935 -40.935 379.938 1675.674 -797.905
18 301 300 247.508 53.492 228.935 71.065 2861.394 5050.234 3801.409
19 99 106 247.508 -148.508 228.935 -122.935 22054.626 15113.014 18256.831
20 57 331.5 247.508 -190.508 228.935 102.565 36293.298 10519.579 -19539.453
21 152 267.375 247.508 -95.508 228.935 38.44 9121.778 1477.634 -3671.328
22 211.2 0 247.508 -36.308 228.935 -228.935 1318.271 52411.234 8312.172
23 629.3 184.6 247.508 381.792 228.935 -44.335 145765.131 1965.592 -16926.748
24 313.9 502.1 247.508 66.392 228.935 273.165 4407.898 74619.117 18135.971
25 478.3 157.8 247.508 230.792 228.935 -71.135 53264.947 5060.188 -16417.389
Jumlah 6187.700 5723.375 0.000 0.000 557451.778 572619.195 82521.111
Sumber : Hasil perhitungan
73
( p
n
i, j p j ) ( pi , j 1 p j 1 )
rj i 1
( p
n
i, j p j ) 2 ( pi , j 1 p j 1 ) 2
i 1
82521.111
0.146
(557451.778) (572619.195)
Untuk hasil perhitungan nilai koefisien regresi bulan selanjutnya dapat dilihat
pada Tabel 4.20.
Tabel 4.20 Nilai koefisien korelasi pada masing-masing bulan stasiun hujan Sekotong
No Bulan rj
1 Jan 0.146
2 Feb -0.233
3 Mar -0.371
4 Apr 0.106
5 Mei 0.294
6 Jun 0.271
7 Jul -0.030
8 Agust -0.200
9 Sept -0.098
10 Okt 0.159
11 Nov 0.207
12 Des 0.019
Sumber : Hasil perhitungan
74
dengan :
bj = Koefisien regres bulan ke-j
rj = Koefisien korelasi curah hujan rerata bulan ke-j dengan bulan ke-j-1
Sj = Simpangan baku bulan ke-j
Sj-1= Simpangan baku bulan ke-j-1
Tabel 4.21 Nilai koefisien regresi pada masing-masing bulan stasiun hujan Sekotong
No Bulan bj
1 Jan 0.144
2 Feb -0.164
3 Mar -0.347
4 Apr 0.066
5 Mei 0.212
6 Jun 0.203
7 Jul -0.023
8 Agust -0.056
9 Sept -0.354
10 Okt 0.348
11 Nov 0.272
12 Des 0.041
Sumber : Hasil perhitungan
p i, j = pj + Bj . ( pi , j 1 p j 1 ) + ti,j. s j (1 r j 2 )
Berikut analisis bangkitan data untuk stasiun hujan Sekotong pada tahun 2015
dan hanya menampilkan contoh perhitungan bangkitan untuk bulan Januari.
Diketahui :
Curah hujan (pi,j-1) bulan Jan (Des tahun 2014) : 157.800 mm
Curah hujan rata-rata ( p j ) bulan Jan : 247.508 mm
pi , j 247.508 0.144 157.800 228.935 0.452 152..405 (1 0.146
2
pi , j 305.471 mm
Perhitungan bangkitan data curah hujan tahun 2015 stasiun hujan Sekotong
dapat dilihat pada Tabel 4.23, sedangkan tahun - tahun selanjutnya stasiun hujan
Sekotong dapat dilihat dilampiran 15 sampai 19.
77
Tabel 4.23 Perhitungan bangkitan data curah hujan tahun 2015 stasiun hujan Sekotong
Bulan pij-1 pj pj-1 sj sj-1 rj bj tij pij
Jan 157.800 247.508 228.935 152.405 154.464 0.146 0.144 0.452 305.471
Feb 305.471 280.210 247.508 107.245 152.405 -0.233 -0.164 -0.163 253.723
Mar 253.723 174.440 280.210 100.252 107.245 -0.371 -0.347 0.020 185.504
Apr 185.504 121.288 174.440 62.091 100.252 0.106 0.066 -0.507 90.700
Mei 90.700 53.910 121.288 44.782 62.091 0.294 0.212 1.227 99.955
Jun 99.955 22.880 53.910 33.496 44.782 0.271 0.203 -0.233 24.696
Jul 24.696 17.314 22.880 25.328 33.496 -0.030 -0.023 -0.300 9.683
Agust 9.683 4.166 17.314 7.048 25.328 -0.200 -0.056 0.617 8.851
Sept 8.851 13.055 4.166 25.448 7.048 -0.098 -0.354 -2.005 39.387
Okt 39.387 59.371 13.055 55.682 25.448 0.159 0.348 -1.051 10.789
Nov 10.789 139.512 59.371 73.043 55.682 0.207 0.272 -0.231 109.807
Des 109.807 228.935 139.512 154.464 73.043 0.019 0.041 -0.692 120.883
Sumber : Hasil perhitungan
Tabel 4.24 Rekapitulasi hasil bangkitan data curah hujan stasiun hujan Sekotong
Bulan 2015 2016 2017 2018 2019 2020
Jan 305.471 250.989 58.055 345.671 315.512 135.033
Feb 253.723 292.427 193.238 367.015 186.863 197.239
Mar 185.504 96.326 243.469 172.522 122.502 263.838
Apr 90.700 95.718 191.211 216.810 81.997 91.245
Mei 99.955 151.485 70.763 68.896 22.692 72.908
Jun 24.696 29.467 17.510 27.614 17.556 22.343
Jul 9.683 74.255 71.620 0.936 7.353 0.446
Agust 8.851 3.056 6.219 11.024 7.015 3.387
Sept 39.387 9.347 16.007 5.065 2.252 31.496
Okt 10.789 35.510 133.399 54.530 91.620 109.911
Nov 109.807 71.639 44.456 171.783 159.186 187.993
Des 120.883 630.526 175.758 196.821 51.593 291.409
Sumber : Hasil perhitungan
Tabel 4.25 Klasifikasi tingkat kekeringan SPI prediksi stasiun hujan Sekotong
Tahun Jan Feb Mar Apr Mei Jun Jul Agust Sept Okt Nov Des
2015 N N N N CB N N CB SB N N N
2016 N N N N SB N SB N N N N SB
2017 SK N N CB N N SB CB CB CB CK N
2018 N N N CB N N ASB CB N N N N
2019 N N N N N N N CB N N N CK
2020 N N CB N N N ASB N CB CB N N
Sumber : Hasil perhitungan
Kekeringan terparah jatuh pada tahun 2017 dengan nilai SPI sangat
kering dengan nilai SPI -1.766.
79
Tabel 4.26 Klasifikasi tingkat kekeringan Desil prediksi stasiun hujan Sekotong
Tahun Jan Feb Mar Apr Mei Jun Jul Agust Sept Okt Nov Des
2015 N N N CK CB N N SB SB CK N CK
2016 N N CK N ASB CB ASB N CB N SK ASB
2017 ASK CK CB SB N N ASB N CB SB ASK N
2018 CB CB N ASB N N N SB N N N N
2019 N SK N CK CK N N CB N CB N ASK
2020 N CK CB N CB N N N CB CB SB CB
Sumber : Hasil perhitungan
Presentase kejadian kekeringan prediksi untuk stasiun hujan Sekotong
sebesar 18,056%.
Keterangan :
ASK : Amat sangat kering CB : Cukup basah
SK : Sangat kering SB : Sangat basah
CK : Cukup kering ASB : Amat sangat basah
N : Normal
Tabel 4.27 Evaluasi kekeringan metode SPI stasiun hujan Sekotong tahun 2015
Prediksi Real
2015
SPI Klasifikasi SPI Klasifikasi
Jan 0.582 N 0.224 N
Feb -0.082 N -0.753 N
Mar 0.314 N 0.660 N
Apr -0.296 N 0.816 N
May 1.088 CB 0.359 N
Jun 0.706 N 0.402 N
Jul 0.412 N 0.196 N
Aug 1.269 CB 0.000 N
Sep 1.558 SB 0.538 N
Oct -0.770 N -0.969 N
Nov -0.188 N -1.646 SK
Dec -0.463 N 0.165 N
Sumber : Hasil perhitungan
2.0
1.5
1.0
0.5
SPI
0.0
Prediksi
-0.5
Real
-1.0
-1.5
-2.0
2015
Tabel 4.28 Evaluasi kekeringan metode Desil stasiun hujan Sekotong tahun 2015
Prediksi Real
2015
Desil Klasifikasi Desil Klasifikasi
Jan 7 N 6 N
Feb 5 N 3 CK
Mar 7 N 7 N
Apr 3 CK 8 CB
May 8 CB 5 N
Jun 7 N 6 N
Jul 6 N 5 N
Aug 9 SB 5 N
Sep 9 SB 6 N
Oct 3 CK 2 SK
Nov 5 N 1 ASK
Dec 3 CK 6 N
Sumber : Hasil perhitungan
10
9
8
7
6
Desil
5
4 Prediksi
3 Real
2
1
0
2015
5 0.5
0 0.0
-5 -0.5 SOI
-10 -1.0 SPI
-15 -1.5
-20 -2.0
-25 -2.5
2015
Gambar 4.9 Grafik nilai SPI - SOI stasiun hujan Sekotong tahun 2015
Didapatkan nilai angka korelasi antara indeks SPI dengan nilai SOI menggunakan
fungsi pada Microsoft Excel =CORREL(array1,array2) sebesar -0.155.
25 10
20 9
15 8
10
7
SOI dan Desil
5
6
0
5 SOI
-5
4 Desil
-10
-15 3
-20 2
-25 1
2015
Gambar 4.10 Grafik nilai Desil - SOI stasiun hujan Sekotong tahun 2015
84
BAB V
KESIMPULAN DAN SARAN
5.1 Kesimpulan
5.2 Saran
1. Potensi kekeringan tidak hanya bergantung pada faktor curah hujan yang
berkurang pada saat terjadi El Nino. Faktor lain seperti suhu permukaan
perairan Indonesia dan Samudera Pasifik dapat memberikan pengaruh dan
hasil yang berbeda. Penelitian dengan faktor terkait lainnya perlu dilakukan
untuk kemudian dapat dibandingkan dengan penelitian ini sehingga dapat
memberikan gambaran lebih baik.
2. Untuk membangkitkan curah hujan yang digunakan sebagai input analisa
prediksi dapat dicoba dengan metode yang lebih baik.
86
Fikri, Ali. Penerapan Data Mining untuk Mengetahui Tingkat Kekuatan Beton
yang Dihasilkan dengan Metode Estimasi Menggunakan Linear
Regression. Skripsi. Semarang: Fakultas Ilmu Komputer
Universitas Dian Nuswantoro
Gunawan, Dodo. 2007. Cuaca dan Iklim di Indonesia. Pusat Penelitian dan
Pengembangan Badan Meteoroli dan Geofisika.
Hayes, Michael J. 1999. Monitoring the 1996 Drougth Using the Standardized
Precipitation Index. Bulletin of the American Meteorological
Society: Volume 80 No.3.
Hayes, Michael. 2000. Revisiting the SPI: Clarifying the Process. University of
Nebraska-Lincoln : Volume 12 No.1.
Kafindo, Anggun Nimaztian. 2015. Analisa Kekeringan Menggunakan Metode
Thornthwaite Mather pada Sub-Sub Das Keyang Kabupaten
Ponorogo. Skripsi. Malang: Fakultas Teknik Universitas Brawijiya.
Parakoti, Ben., dan David Scott. 2003. Drought Index for Rarotonga (Cook
Islands). Proceedings of the Pacific Regional Consultation on
Water in Small Island Countries Theme 2 Case Studie.
Smakhtin, V.U., dan Hughes. 2004. Review, Automated Estimation and Analyses
of Drought Indices in South Africa. International Water
Management Institute : Lembar Kerja 83.
Sri Harto, B.R. 1993. Analisis Hidrologi. Jakarta : PT. Gramedia Pustaka Utama.
Triatmoko, Danu dkk. 2012. Using Standardized Precipitation Index Method for
Identification Meteorological Drought in Pantura West Java Area.
Bandung: Program Studi Meteorologi Institute Teknologi Bandung.
Untari, Erika Dwi. 2008. Pengaruh Panjang Rekaman Data Terhadap Hasil
Bangkitan Metode Thomas Fiering. Skripsi Program Studi Teknik
Sipil. Universitas Mataram. Mataram
Jan fd cfb Desil Desil Letak Bb fd cfb i Nilai Jan Desil Klasifikasi
57.000 1 1 1 1 2.5 89.500 1 2 19.000 99.000 505.000 10 ASB
80.000 1 2 1 2 5 99.000 1 4 0.000 99.000 356.000 8 CB
99.000 1 3 1 3 7.5 120.000 1 7 2.000 121.000 119.000 3 CK
99.000 1 4 2 4 10 142.000 1 9 20.000 162.000 363.000 8 CB
99.000 1 5 2 5 12.5 208.600 1 12 5.200 211.200 171.000 4 N
112.000 1 6 3 6 15 258.000 1 14 18.000 276.000 99.000 1 ASK
119.000 1 7 3 7 17.5 307.450 1 17 12.900 313.900 99.000 2 SK
121.000 1 8 3 8 20 345.000 1 19 22.000 367.000 112.000 3 CK
132.000 1 9 4 9 22.5 459.150 1 22 38.300 478.300 121.000 3 CK
152.000 1 10 4 10 25 567.150 1 24 124.300 691.450 334.000 8 CB
171.000 1 11 4 Sumber : Hasil perhitungan 249.000 6 N
206.000 1 12 5 293.000 7 N
211.200 1 13 5 132.000 4 N
249.000 1 14 6 440.000 9 SB
267.000 1 15 6 206.000 5 N
293.000 1 16 7 80.000 1 ASK
301.000 1 17 7 267.000 6 N
313.900 1 18 7 301.000 7 N
334.000 1 19 8 99.000 2 SK
356.000 1 20 8 57.000 1 ASK
363.000 1 21 8 152.000 4 N
440.000 1 22 9 211.200 5 N
478.300 1 23 9 629.300 10 ASB
505.000 1 24 10 313.900 7 N
629.300 1 25 10 478.300 9 SB
Sumber : Hasil perhitungan Sumber : Hasil perhitungan
Feb fd cfb Desil Desil Letak Bb fd cfb i Nilai Feb Desil Klasifikasi
79.000 1 1 1 1 2.5 135.500 1 2 1.000 136.000 79.000 1 ASK
135.000 1 2 1 2 5 172.000 1 4 22.000 194.000 487.000 10 ASB
136.000 1 3 1 3 7.5 199.800 1 7 4.400 202.000 381.000 8 CB
161.000 1 4 2 4 10 235.500 1 9 1.000 236.500 302.000 6 N
183.000 1 5 2 5 12.5 252.500 1 12 7.000 256.000 249.000 5 N
196.000 1 6 3 6 15 307.125 1 14 10.250 317.375 334.000 7 N
197.600 1 7 3 7 17.5 334.100 1 17 0.200 334.200 334.000 7 N
202.000 1 8 3 8 20 366.600 1 19 28.800 395.400 435.000 9 SB
235.000 1 9 4 9 22.5 412.500 1 22 45.000 435.000 136.000 1 ASK
236.000 1 10 4 10 25 467.500 1 24 39.000 506.500 390.000 8 CB
246.000 1 11 5 Sumber : Hasil perhitungan 235.000 4 N
249.000 1 12 5 135.000 1 ASK
256.000 1 13 5 384.000 8 CB
302.000 1 14 6 202.000 3 CK
312.250 1 15 6 161.000 2 SK
334.000 1 16 7 246.000 5 N
334.000 1 17 7 256.000 5 N
334.200 1 18 7 183.000 2 SK
352.200 1 19 8 196.000 3 CK
381.000 1 20 8 448.000 10 ASB
384.000 1 21 8 312.250 6 N
390.000 1 22 8 197.600 3 CK
435.000 1 23 9 236.000 4 N
448.000 1 24 10 334.200 7 N
487.000 1 25 10 352.200 8 CB
Sumber : Hasil perhitungan Sumber : Hasil perhitungan
Lampiran 5 Perhitungan desil bulan Maret stasiun hujan Sekotong
Mar fd cfb Desil Desil Letak Bb fd cfb i Nilai Mar Desil Klasifikasi
0.000 1 1 1 1 2.5 22.300 1 2 35.400 40.000 315.000 9 SB
4.600 1 2 1 2 5 79.000 1 4 0.000 79.000 107.000 3 CK
40.000 1 3 1 3 7.5 104.250 1 7 5.500 107.000 229.000 7 N
79.000 1 4 2 4 10 130.450 1 9 28.900 159.350 40.000 1 ASK
79.000 1 5 2 5 12.5 179.000 1 12 0.000 179.000 381.000 10 ASB
88.000 1 6 2 6 15 179.750 1 14 0.500 180.250 179.000 5 N
101.500 1 7 3 7 17.5 222.000 1 17 14.000 229.000 179.000 5 N
107.000 1 8 3 8 20 250.500 1 19 39.000 289.500 79.000 2 SK
116.000 1 9 4 9 22.5 297.500 1 22 35.000 315.000 280.000 8 CB
144.900 1 10 4 10 25 353.500 1 24 55.000 408.500 276.000 8 CB
175.500 1 11 5 Sumber : Hasil perhitungan 270.000 8 CB
179.000 1 12 5 185.000 7 N
179.000 1 13 5 0.000 1 ASK
179.500 1 14 6 88.000 2 SK
180.000 1 15 6 116.000 4 N
185.000 1 16 7 231.000 8 CB
215.000 1 17 7 326.000 10 ASB
229.000 1 18 7 215.000 7 N
231.000 1 19 8 180.000 6 N
270.000 1 20 8 79.000 2 SK
276.000 1 21 8 179.500 6 N
280.000 1 22 8 144.900 4 N
315.000 1 23 9 4.600 1 ASK
326.000 1 24 10 175.500 5 N
381.000 1 25 10 101.500 3 CK
Sumber : Hasil perhitungan Sumber : Hasil perhitungan
Apr fd cfb Desil Desil Letak Bb fd cfb i Nilai Apr Desil Klasifikasi
0.000 1 1 1 1 2.5 23.500 1 2 47.000 47.000 0.000 1 ASK
0.000 1 2 1 2 5 65.000 1 4 10.000 75.000 111.000 5 N
47.000 1 3 1 3 7.5 87.000 1 7 16.000 95.000 60.000 2 SK
60.000 1 4 2 4 10 99.700 1 9 2.600 102.300 0.000 1 ASK
70.000 1 5 2 5 12.5 116.250 1 12 10.500 121.500 95.000 3 CK
79.000 1 6 3 6 15 133.400 1 14 9.200 142.600 79.000 3 CK
79.000 1 7 3 7 17.5 145.500 1 17 1.000 146.000 79.000 3 CK
95.000 1 8 3 8 20 160.000 1 19 20.000 180.000 101.000 4 N
98.400 1 9 4 9 22.5 198.500 1 22 5.000 201.000 146.000 7 N
101.000 1 10 4 10 25 231.750 1 24 5.500 237.250 170.000 8 CB
103.000 1 11 5 Sumber : Hasil perhitungan 201.000 9 SB
111.000 1 12 5 229.000 10 ASB
121.500 1 13 5 184.000 9 SB
128.800 1 14 6 47.000 1 ASK
138.000 1 15 6 70.000 2 SK
145.000 1 16 7 145.000 7 N
145.000 1 17 7 145.000 7 N
146.000 1 18 7 234.500 10 ASB
150.000 1 19 8 196.000 9 SB
170.000 1 20 8 103.000 5 N
184.000 1 21 9 121.500 5 N
196.000 1 22 9 150.000 8 CB
201.000 1 23 9 128.800 6 N
229.000 1 24 10 98.400 4 N
234.500 1 25 10 138.000 6 N
Sumber : Hasil perhitungan Sumber : Hasil perhitungan
Lampiran 7 Perhitungan desil bulan Mei stasiun hujan Sekotong
Mei fd cfb Desil Desil Letak Bb fd cfb i Nilai Mei Desil Klasifikasi
0.000 1 1 1 1 2.5 0.000 1 2 0.000 0.000 34.000 4 N
0.000 1 2 1 2 5 5.500 1 4 11.000 16.500 58.000 7 N
0.000 1 3 1 3 7.5 16.500 1 7 5.000 19.000 0.000 1 ASK
0.000 1 4 1 4 10 37.125 1 9 6.250 43.375 0.000 1 ASK
11.000 1 5 2 5 12.5 49.000 1 12 2.000 50.000 0.000 1 ASK
14.000 1 6 2 6 15 54.000 1 14 0.000 54.000 62.000 7 N
14.000 1 7 2 7 17.5 60.250 1 17 3.500 62.000 62.000 7 N
19.000 1 8 3 8 20 77.500 1 19 31.000 108.500 54.000 6 N
34.000 1 9 4 9 22.5 122.300 1 22 17.400 131.000 14.000 2 SK
40.250 1 10 4 10 25 143.500 1 24 23.000 166.500 14.000 2 SK
45.400 1 11 5 Sumber : Hasil perhitungan 131.000 9 SB
48.000 1 12 5 19.000 3 CK
50.000 1 13 5 11.000 2 SK
54.000 1 14 6 48.000 5 N
54.000 1 15 6 50.000 5 N
58.000 1 16 7 0.000 1 ASK
58.500 1 17 7 99.000 8 CB
62.000 1 18 7 93.000 8 CB
62.000 1 19 7 132.000 10 ASB
93.000 1 20 8 54.000 6 N
99.000 1 21 8 40.250 4 N
113.600 1 22 9 45.400 5 N
131.000 1 23 9 155.000 10 ASB
132.000 1 24 10 113.600 9 SB
155.000 1 25 10 58.500 7 N
Sumber : Hasil perhitungan Sumber : Hasil perhitungan
Jun fd cfb Desil Desil Letak Bb fd cfb i Nilai Jun Desil Klasifikasi
0.000 1 1 1 1 2.5 0.000 1 2 0.000 0.000 0.000 1 ASK
0.000 1 2 1 2 5 0.000 1 4 0.000 0.000 0.000 1 ASK
0.000 1 3 1 3 7.5 1.000 1 7 2.000 2.000 0.000 1 ASK
0.000 1 4 2 4 10 2.500 1 9 1.000 3.500 0.000 2 SK
0.000 1 5 2 5 12.5 7.000 1 12 4.000 9.000 5.000 5 N
0.000 1 6 3 6 15 10.150 1 14 1.700 11.850 0.000 2 SK
0.000 1 7 3 7 17.5 29.500 1 17 13.000 36.000 0.000 3 CK
2.000 1 8 3 8 20 37.000 1 19 2.000 39.000 44.000 9 SB
2.000 1 9 3 9 22.5 53.000 1 22 18.000 62.000 9.000 5 N
3.000 1 10 4 10 25 114.850 1 24 39.700 154.550 2.000 3 CK
3.000 1 11 4 Sumber : Hasil perhitungan 15.000 7 N
5.000 1 12 5 95.000 10 ASB
9.000 1 13 5 3.000 4 N
9.300 1 14 6 11.000 6 N
11.000 1 15 6 3.000 4 N
15.000 1 16 7 38.000 8 CB
23.000 1 17 7 62.000 9 SB
36.000 1 18 7 36.000 7 N
36.000 1 19 7 36.000 7 N
38.000 1 20 8 44.000 9 SB
44.000 1 21 9 23.000 7 N
44.000 1 22 9 9.300 6 N
62.000 1 23 9 2.000 3 CK
95.000 1 24 10 134.700 10 ASB
134.700 1 25 10 0.000 3 CK
Sumber : Hasil perhitungan Sumber : Hasil perhitungan
Lampiran 9 Perhitungan desil bulan Juni stasiun hujan Sekotong
Jun fd cfb Desil Desil Letak Bb fd cfb i Nilai Jun Desil Klasifikasi
0.000 1 1 1 1 2.5 0.000 1 2 0.000 0.000 0.000 1 ASK
0.000 1 2 1 2 5 0.000 1 4 0.000 0.000 26.000 8 CB
0.000 1 3 1 3 7.5 0.000 1 7 0.000 0.000 32.000 9 SB
0.000 1 4 2 4 10 0.500 1 9 1.000 1.500 0.000 1 ASK
0.000 1 5 2 5 12.5 3.500 1 12 1.000 4.000 0.000 1 ASK
0.000 1 6 3 6 15 6.450 1 14 0.900 7.350 0.000 2 SK
0.000 1 7 3 7 17.5 21.350 1 17 6.700 24.700 0.000 2 SK
0.000 1 8 3 8 20 26.150 1 19 0.300 26.450 3.000 5 N
0.000 1 9 4 9 22.5 53.350 1 22 15.300 61.000 97.000 10 ASB
1.000 1 10 4 10 25 80.000 1 24 34.000 114.000 1.000 4 N
2.000 1 11 5 Sumber : Hasil perhitungan 0.000 3 CK
3.000 1 12 5 18.000 7 N
4.000 1 13 5 0.000 3 CK
6.000 1 14 6 6.000 6 N
6.900 1 15 6 0.000 3 CK
16.250 1 16 7 63.000 10 ASB
18.000 1 17 7 2.000 5 N
24.700 1 18 7 61.000 9 SB
26.000 1 19 8 0.000 4 N
26.300 1 20 8 4.000 5 N
32.000 1 21 9 16.250 7 N
45.700 1 22 9 24.700 7 N
61.000 1 23 9 45.700 9 SB
63.000 1 24 10 6.900 6 N
97.000 1 25 10 26.300 8 CB
Sumber : Hasil perhitungan Sumber : Hasil perhitungan
Agust fd cfb Desil Desil Letak Bb fd cfb i Nilai Agust Desil Klasifikasi
0.000 1 1 1 1 2.5 0.000 1 2 0.000 0.000 11.000 9 SB
0.000 1 2 1 2 5 0.000 1 4 0.000 0.000 0.000 1 ASK
0.000 1 3 1 3 7.5 0.000 1 7 0.000 0.000 0.000 1 ASK
0.000 1 4 2 4 10 0.000 1 9 0.000 0.000 32.000 10 ASB
0.000 1 5 2 5 12.5 0.350 1 12 0.700 0.700 0.000 1 ASK
0.000 1 6 3 6 15 1.900 1 14 0.200 2.100 7.000 8 CB
0.000 1 7 3 7 17.5 5.000 1 17 0.000 5.000 7.000 8 CB
0.000 1 8 3 8 20 6.000 1 19 2.000 8.000 0.000 2 SK
0.000 1 9 4 9 22.5 10.375 1 22 1.250 11.000 2.000 6 N
0.000 1 10 4 10 25 22.850 1 24 18.300 41.150 5.000 7 N
0.000 1 11 5 Sumber : Hasil perhitungan 0.000 2 SK
0.000 1 12 5 0.000 3 CK
0.700 1 13 5 0.000 3 CK
1.800 1 14 6 0.000 3 CK
2.000 1 15 6 0.000 4 N
4.188 1 16 7 0.000 4 N
5.000 1 17 7 0.000 5 N
5.000 1 18 7 0.000 5 N
5.000 1 19 7 5.000 7 N
7.000 1 20 8 9.750 9 SB
7.000 1 21 8 4.188 7 N
9.750 1 22 9 1.800 6 N
11.000 1 23 9 5.000 7 N
13.700 1 24 10 0.700 5 N
32.000 1 25 10 13.700 10 ASB
Sumber : Hasil perhitungan Sumber : Hasil perhitungan
Lampiran 11 Perhitungan desil bulan September stasiun hujan Sekotong
Sept fd cfb Desil Desil Letak Bb fd cfb i Nilai Sept Desil Klasifikasi
0.000 1 1 1 1 2.5 0.000 1 2 0.000 0.000 40.000 9 SB
0.000 1 2 1 2 5 0.000 1 4 0.000 0.000 0.000 1 ASK
0.000 1 3 1 3 7.5 0.000 1 7 0.000 0.000 91.000 10 ASB
0.000 1 4 2 4 10 0.000 1 9 0.000 0.000 6.000 7 N
0.000 1 5 2 5 12.5 0.000 1 12 0.000 0.000 0.000 1 ASK
0.000 1 6 3 6 15 0.688 1 14 0.625 1.313 0.000 1 ASK
0.000 1 7 3 7 17.5 6.700 1 17 1.400 7.400 0.000 2 SK
0.000 1 8 3 8 20 7.950 1 19 0.100 8.050 0.000 2 SK
0.000 1 9 4 9 22.5 49.500 1 22 19.000 59.000 72.000 10 ASB
0.000 1 10 4 10 25 81.500 1 24 19.000 100.500 1.000 6 N
0.000 1 11 5 Sumber : Hasil perhitungan 0.000 3 CK
0.000 1 12 5 0.000 3 CK
0.000 1 13 5 0.000 3 CK
0.375 1 14 6 59.000 9 SB
1.000 1 15 6 0.000 4 N
1.500 1 16 7 0.000 4 N
6.000 1 17 7 0.000 5 N
7.400 1 18 7 0.000 5 N
7.900 1 19 8 8.000 8 CB
8.000 1 20 8 1.500 7 N
32.200 1 21 9 0.375 6 N
40.000 1 22 9 32.200 9 SB
59.000 1 23 9 7.400 7 N
72.000 1 24 10 7.900 8 CB
91.000 1 25 10 0.000 5 N
Sumber : Hasil perhitungan Sumber : Hasil perhitungan
Okt fd cfb Desil Desil Letak Bb fd cfb i Nilai Okt Desil Klasifikasi
0.000 1 1 1 1 2.5 0.000 1 2 0.000 0.000 30.000 5 N
0.000 1 2 1 2 5 1.500 1 4 3.000 4.500 0.000 1 ASK
0.000 1 3 1 3 7.5 15.500 1 7 1.000 16.000 90.000 8 CB
0.000 1 4 1 4 10 18.500 1 9 3.000 21.500 32.000 5 N
3.000 1 5 2 5 12.5 37.650 1 12 11.300 43.300 20.000 4 N
10.100 1 6 3 6 15 63.125 1 14 22.250 85.375 162.000 10 ASB
15.000 1 7 3 7 17.5 85.406 1 17 1.188 86.000 162.000 10 ASB
16.000 1 8 3 8 20 90.150 1 19 0.300 90.450 0.000 1 ASK
17.000 1 9 4 9 22.5 153.500 1 22 3.000 155.000 155.000 9 SB
20.000 1 10 4 10 25 162.000 1 24 0.000 162.000 152.000 9 SB
30.000 1 11 5 Sumber : Hasil perhitungan 0.000 1 ASK
32.000 1 12 5 115.000 9 SB
43.300 1 13 5 3.000 2 SK
52.000 1 14 6 15.000 3 CK
74.250 1 15 6 17.000 4 N
74.500 1 16 6 16.000 3 CK
84.813 1 17 6 74.500 6 N
86.000 1 18 7 52.000 6 N
90.000 1 19 8 86.000 7 N
90.300 1 20 8 74.250 6 N
115.000 1 21 9 84.813 6 N
152.000 1 22 9 43.300 5 N
155.000 1 23 9 10.100 3 CK
162.000 1 24 10 90.300 8 CB
162.000 1 25 10 0.000 1 ASK
Sumber : Hasil perhitungan Sumber : Hasil perhitungan
Lampiran 13 Perhitungan desil bulan November stasiun hujan Sekotong
Nov fd cfb Desil Desil Letak Bb fd cfb i Nilai Nov Desil Klasifikasi
0.000 1 1 1 1 2.5 42.000 1 2 10.000 47.000 37.000 1 ASK
37.000 1 2 1 2 5 64.500 1 4 15.000 79.500 209.000 9 SB
47.000 1 3 1 3 7.5 100.500 1 7 5.000 103.000 178.000 8 CB
57.000 1 4 2 4 10 104.000 1 9 2.000 106.000 57.000 2 SK
72.000 1 5 2 5 12.5 143.800 1 12 11.600 149.600 173.000 8 CB
87.600 1 6 3 6 15 161.775 1 14 11.950 173.725 103.000 3 CK
98.000 1 7 3 7 17.5 172.000 1 17 0.000 172.000 103.000 3 CK
103.000 1 8 3 8 20 175.500 1 19 5.000 180.500 72.000 2 SK
103.000 1 9 3 9 22.5 206.500 1 22 5.000 209.000 171.000 7 N
105.000 1 10 4 10 25 290.500 1 24 95.000 385.500 204.000 9 SB
111.600 1 11 5 Sumber : Hasil perhitungan 0.000 1 ASK
138.000 1 12 5 172.000 7 N
149.600 1 13 5 172.000 7 N
155.800 1 14 6 138.000 5 N
167.750 1 15 6 105.000 4 N
171.000 1 16 7 47.000 1 ASK
172.000 1 17 7 98.000 3 CK
172.000 1 18 7 338.000 10 ASB
173.000 1 19 8 243.000 10 ASB
178.000 1 20 8 167.750 6 N
195.438 1 21 9 195.438 9 SB
204.000 1 22 9 111.600 5 N
209.000 1 23 9 155.800 6 N
243.000 1 24 10 87.600 3 CK
338.000 1 25 10 149.600 5 N
Sumber : Hasil perhitungan Sumber : Hasil perhitungan
Des fd cfb Desil Desil Letak Bb fd cfb i Nilai Des Desil Klasifikasi
0.000 1 1 1 1 2.5 40.000 1 2 80.000 80.000 207.000 6 N
0.000 1 2 1 2 5 97.500 1 4 15.000 112.500 105.000 2 SK
80.000 1 3 1 3 7.5 149.500 1 7 5.000 152.000 80.000 1 ASK
90.000 1 4 2 4 10 163.900 1 9 12.200 176.100 588.000 10 ASB
105.000 1 5 2 5 12.5 196.000 1 12 16.000 204.000 170.000 4 N
106.000 1 6 2 6 15 205.500 1 14 3.000 208.500 204.000 5 N
147.000 1 7 3 7 17.5 250.188 1 17 34.375 267.375 204.000 5 N
152.000 1 8 3 8 20 303.500 1 19 7.000 310.500 147.000 3 CK
157.800 1 9 4 9 22.5 478.550 1 22 47.100 502.100 307.000 8 CB
170.000 1 10 4 10 25 559.500 1 24 57.000 616.500 213.000 7 N
184.600 1 11 5 Sumber : Hasil perhitungan 0.000 1 ASK
188.000 1 12 5 90.000 2 SK
204.000 1 13 5 455.000 9 SB
204.000 1 14 5 531.000 10 ASB
207.000 1 15 6 233.000 7 N
213.000 1 16 7 152.000 3 CK
233.000 1 17 7 188.000 5 N
267.375 1 18 7 300.000 8 CB
300.000 1 19 8 106.000 2 SK
307.000 1 20 8 331.500 9 SB
331.500 1 21 9 267.375 7 N
455.000 1 22 9 0.000 1 ASK
502.100 1 23 9 184.600 5 N
531.000 1 24 10 502.100 9 SB
588.000 1 25 10 157.800 4 N
Sumber : Hasil perhitungan Sumber : Hasil perhitungan
Lampiran 15 Perhitungan bangkitan data curah hujan tahun 2016 stasiun hujan Sekotong
Bulan pij-1 pj pj-1 sj sj-1 rj bj tij pij
Jan 157.800 247.508 228.935 152.405 154.464 0.146 0.144 0.091082 250.989
Feb 250.989 280.210 247.508 107.245 152.405 -0.233 -0.164 0.122632 292.427
Mar 292.427 174.440 280.210 100.252 107.245 -0.371 -0.347 -0.793612 96.326
Apr 96.326 121.288 174.440 62.091 100.252 0.106 0.066 -0.331063 95.718
Mei 95.718 53.910 121.288 44.782 62.091 0.294 0.212 2.406360 151.485
Jun 151.485 22.880 53.910 33.496 44.782 0.271 0.203 -0.408645 29.467
Jul 29.467 17.314 22.880 25.328 33.496 -0.030 -0.023 2.254990 74.255
Agust 74.255 4.166 17.314 7.048 25.328 -0.200 -0.056 -0.585851 3.056
Sept 3.056 13.055 4.166 25.448 7.048 -0.098 -0.354 -0.161926 9.347
Okt 9.347 59.371 13.055 55.682 25.448 0.159 0.348 -1.702494 35.510
Nov 35.510 139.512 59.371 73.043 55.682 0.207 0.272 -0.859004 71.639
Des 71.639 228.935 139.512 154.464 73.043 0.019 0.041 2.618498 630.526
Lampiran 16 Perhitungan bangkitan data curah hujan tahun 2017 stasiun hujan Sekotong
Bulan pij-1 pj pj-1 sj sj-1 rj bj tij pij
Jan 157.800 247.508 228.935 152.405 154.464 0.146 0.144 -1.188578 58.055
Feb 58.055 280.210 247.508 107.245 152.405 -0.233 -0.164 -1.132339 193.238
Mar 193.238 174.440 280.210 100.252 107.245 -0.371 -0.347 0.417290 243.469
Apr 243.469 121.288 174.440 62.091 100.252 0.106 0.066 1.059101 191.211
Mei 191.211 53.910 121.288 44.782 62.091 0.294 0.212 0.047317 70.763
Jun 70.763 22.880 53.910 33.496 44.782 0.271 0.203 -1.358493 17.510
Jul 17.510 17.314 22.880 25.328 33.496 -0.030 -0.023 2.140269 71.620
Agust 71.620 4.166 17.314 7.048 25.328 -0.200 -0.056 0.736069 6.219
Sept 6.219 13.055 4.166 25.448 7.048 -0.098 -0.354 -1.118842 16.007
Okt 16.007 59.371 13.055 55.682 25.448 0.159 0.348 1.327964 133.399
Nov 133.399 139.512 59.371 73.043 55.682 0.207 0.272 -1.612295 44.456
Des 44.456 228.935 139.512 154.464 73.043 0.019 0.041 -0.318977 175.758
Lampiran 17 Perhitungan bangkitan data curah hujan tahun 2018 stasiun hujan Sekotong
Bulan pij-1 pj pj-1 sj sj-1 rj bj tij pij
Jan 157.800 247.508 228.935 152.405 154.464 0.146 0.144 0.719071 345.671
Feb 345.671 280.210 247.508 107.245 152.405 -0.233 -0.164 0.986970 367.015
Mar 367.015 174.440 280.210 100.252 107.245 -0.371 -0.347 0.303047 172.522
Apr 172.522 121.288 174.440 62.091 100.252 0.106 0.066 1.549192 216.810
Mei 216.810 53.910 121.288 44.782 62.091 0.294 0.212 -0.123133 68.896
Jun 68.896 22.880 53.910 33.496 44.782 0.271 0.203 0.052684 27.614
Jul 27.614 17.314 22.880 25.328 33.496 -0.030 -0.023 -0.716631 0.936
Agust 0.936 4.166 17.314 7.048 25.328 -0.200 -0.056 0.860909 11.024
Sept 11.024 13.055 4.166 25.448 7.048 -0.098 -0.354 -0.619667 5.065
Okt 5.065 59.371 13.055 55.682 25.448 0.159 0.348 -2.021365 54.530
Nov 54.530 139.512 59.371 73.043 55.682 0.207 0.272 0.470080 171.783
Des 171.783 228.935 139.512 154.464 73.043 0.019 0.041 -0.216554 196.821
Lampiran 18 Perhitungan bangkitan data curah hujan tahun 2019 stasiun hujan Sekotong
Bulan pij-1 pj pj-1 sj sj-1 rj bj tij pij
Jan 157.800 247.508 228.935 152.405 154.464 0.146 0.144 0.519034 315.512
Feb 315.512 280.210 247.508 107.245 152.405 -0.233 -0.164 -0.788039 186.863
Mar 186.863 174.440 280.210 100.252 107.245 -0.371 -0.347 -0.906005 122.502
Apr 122.502 121.288 174.440 62.091 100.252 0.106 0.066 -0.581154 81.997
Mei 81.997 53.910 121.288 44.782 62.091 0.294 0.212 -0.534681 22.692
Jun 22.692 22.880 53.910 33.496 44.782 0.271 0.203 0.030969 17.556
Jul 17.556 17.314 22.880 25.328 33.496 -0.030 -0.023 -0.398198 7.353
Agust 7.353 4.166 17.314 7.048 25.328 -0.200 -0.056 0.332149 7.015
Sept 7.015 13.055 4.166 25.448 7.048 -0.098 -0.354 -0.564587 2.252
Okt 2.252 59.371 13.055 55.682 25.448 0.159 0.348 0.655140 91.620
Nov 91.620 139.512 59.371 73.043 55.682 0.207 0.272 0.152504 159.186
Des 159.186 228.935 139.512 154.464 73.043 0.019 0.041 -1.153577 51.593
Lampiran 19 Perhitungan bangkitan data curah hujan tahun 2020 stasiun hujan Sekotong
Bulan pij-1 pj pj-1 sj sj-1 rj bj tij pij
Jan 157.800 247.508 228.935 152.405 154.464 0.146 0.144 -0.678009 135.033
Feb 135.033 280.210 247.508 107.245 152.405 -0.233 -0.164 -0.972749 197.239
Mar 197.239 174.440 280.210 100.252 107.245 -0.371 -0.347 0.651028 263.838
Apr 263.838 121.288 174.440 62.091 100.252 0.106 0.066 -0.581690 91.245
Mei 91.245 53.910 121.288 44.782 62.091 0.294 0.212 0.592710 72.908
Jun 72.908 22.880 53.910 33.496 44.782 0.271 0.203 -0.135991 22.343
Jul 22.343 17.314 22.880 25.328 33.496 -0.030 -0.023 -0.666745 0.446
Agust 0.446 4.166 17.314 7.048 25.328 -0.200 -0.056 -0.249037 3.387
Sept 3.387 13.055 4.166 25.448 7.048 -0.098 -0.354 0.717265 31.496
Okt 31.496 59.371 13.055 55.682 25.448 0.159 0.348 0.802517 109.911
Nov 109.911 139.512 59.371 73.043 55.682 0.207 0.272 0.486000 187.993
Des 187.993 228.935 139.512 154.464 73.043 0.019 0.041 0.391599 291.409
Lampiran Data hujan bulanan stasiun hujan Sekotong tahun 2015
Tahun Jan Feb Mar Apr Mei Jun Jul Agust Sept Okt Nov Des
2015 251 193 224 163 50 11 3 0 1 1 23 206
Sumber : BMKG KELAS I KEDIRI, NTB
Lampiran Nilai El Nino SOI tahun 2015
Tahun Jan Feb Mar Apr Mei Jun Jul Agust Sept Okt Nov Des
2015 -7.8 0.6 -11.2 -3.8 -13.7 -12 -14.7 -19.8 -17.8 -20.2 -5.3 -9.1
Sumber : Australian Government Bureau of Meteorology
(http://www.bom.gov.au/climate/current/soi2.shtml)
Lampiran 20 Nilai SPI stasiun hujan Sekotong (2015-2020 prediksi)
Tahun Jan Feb Mar Apr Mei Jun Jul Agust Sept Okt Nov Des
1990 1.582 -2.665 1.401 -1.518 -0.180 -0.752 -0.552 1.437 1.569 -0.213 -1.564 0.152
1991 0.868 1.841 -0.600 0.053 0.368 -0.752 0.938 -0.286 -0.203 -1.131 1.082 -0.600
1992 -0.890 1.065 0.720 -0.884 -1.131 -0.752 1.080 -0.286 2.283 0.845 0.735 -0.834
1993 0.905 0.389 -1.623 -1.518 -1.131 -0.752 -0.552 2.570 0.659 -0.165 -1.155 1.823
1994 -0.375 -0.131 1.848 -0.219 -1.131 -0.063 -0.552 -0.286 -0.203 -0.478 0.676 -0.090
1995 -1.131 0.676 0.248 -0.512 0.447 -0.752 -0.552 1.105 -0.203 1.656 -0.297 0.134
1996 -1.131 0.676 0.248 -0.512 0.447 -0.752 -0.552 1.105 -0.203 1.656 -0.297 0.134
1997 -0.971 1.476 -1.010 -0.115 0.286 1.140 0.019 -0.286 -0.203 -1.131 -0.852 -0.257
1998 -0.867 -1.573 1.140 0.583 -0.772 0.161 2.108 0.481 2.050 1.588 0.652 0.703
1999 0.747 1.136 1.109 0.906 -0.772 -0.317 -0.208 0.900 0.254 1.558 1.029 0.189
2000 0.224 -0.281 1.062 1.285 1.514 0.408 -0.552 -0.286 -0.203 -1.131 -1.849 -1.518
2001 0.507 -1.589 0.309 1.599 -0.611 1.917 0.715 -0.286 -0.203 1.159 0.664 -0.737
2002 -0.748 1.089 -1.849 1.082 -0.869 -0.217 -0.552 -0.286 -0.203 -1.048 0.664 1.346
2003 1.289 -0.661 -0.872 -1.137 0.157 0.252 0.227 -0.286 1.872 -0.630 0.227 1.627
2004 -0.087 -1.197 -0.479 -0.686 0.201 -0.217 -0.552 -0.286 -0.203 -0.568 -0.265 0.308
2005 -1.395 -0.163 0.738 0.569 -1.131 1.020 1.646 -0.286 -0.203 -0.599 -1.364 -0.219
2006 0.343 -0.059 1.480 0.569 1.074 1.454 -0.078 -0.286 -0.203 0.624 -0.380 0.031
2007 0.555 -0.899 0.595 1.657 0.983 0.977 1.615 -0.286 -0.203 0.250 2.257 0.668
2008 -1.131 -0.734 0.258 1.227 1.527 0.977 -0.552 0.900 0.754 0.790 1.428 -0.591
2009 -1.786 1.570 -1.010 -0.080 0.286 1.140 0.098 1.342 0.324 0.620 0.612 0.821
2010 -0.548 0.483 0.253 0.220 -0.023 0.659 0.660 0.805 0.123 0.773 0.935 0.500
2011 -0.047 -0.715 -0.122 0.639 0.098 0.175 0.904 0.443 1.422 0.082 -0.160 -1.518
2012 2.081 -0.270 -1.849 0.332 1.804 -0.317 1.356 0.900 0.727 -0.794 0.463 0.009
2013 0.632 0.677 0.212 -0.159 1.284 2.367 0.278 0.176 0.750 0.849 -0.560 1.523
2014 1.465 0.830 -0.676 0.469 0.378 -0.752 0.945 1.625 -0.203 -1.131 0.382 -0.177
2015 0.582 -0.082 0.314 -0.296 1.088 0.706 0.412 1.269 1.558 -0.770 -0.188 -0.463
2016 0.237 0.300 -0.750 -0.206 1.763 0.828 1.811 0.653 0.810 -0.084 -0.859 1.961
2017 -1.766 -0.769 0.845 1.170 0.611 0.494 1.774 1.030 1.037 1.365 -1.417 -0.051
2018 0.811 0.953 0.181 1.465 0.577 0.782 2.516 1.439 0.607 0.296 0.661 0.088
2019 0.641 -0.849 -0.394 -0.456 -0.497 0.495 0.301 1.107 0.404 0.866 0.506 -1.126
2020 -0.716 -0.719 1.013 -0.286 0.650 0.641 2.516 0.700 1.408 1.098 0.851 0.625
Sumber : Hasil perhitungan
Lampiran 21 Nilai SPI stasiun hujan Sekotong (data real)
Tahun Jan Feb Mar Apr Mei Jun Jul Agust Sept Okt Nov Des
1990 1.530 -2.563 1.347 -1.426 -0.007 -0.615 -0.395 1.606 1.680 -0.020 -1.406 0.172
1991 0.837 1.743 -0.545 0.067 0.519 -0.615 1.090 0.000 0.000 -1.020 1.052 -0.605
1992 -0.871 1.002 0.702 -0.839 -1.020 -0.615 1.229 0.000 2.292 0.938 0.733 -0.839
1993 0.873 0.357 -1.519 -1.426 -1.020 -0.615 -0.395 2.531 0.899 0.024 -1.007 1.931
1994 -0.370 -0.141 1.771 -0.198 -1.020 0.120 -0.395 0.000 0.000 -0.266 0.678 -0.081
1995 -1.105 0.630 0.255 -0.483 0.595 -0.615 -0.395 1.338 0.000 1.671 -0.214 0.152
1996 -1.105 0.630 0.255 -0.483 0.595 -0.615 -0.395 1.338 0.000 1.671 -0.214 0.152
1997 -0.950 1.394 -0.932 -0.096 0.440 1.184 0.196 0.000 0.000 -1.020 -0.724 -0.254
1998 -0.849 -1.519 1.100 0.588 -0.590 0.321 2.244 0.828 2.092 1.610 0.656 0.750
1999 0.719 1.070 1.070 0.905 -0.590 -0.113 -0.026 1.172 0.538 1.583 1.002 0.210
2000 0.211 -0.284 1.026 1.279 1.617 0.540 -0.395 0.000 0.000 -1.020 -1.769 -1.426
2001 0.486 -1.534 0.312 1.588 -0.428 1.867 0.873 0.000 0.000 1.222 0.667 -0.743
2002 -0.733 1.025 -1.769 1.079 -0.693 -0.020 -0.395 0.000 0.000 -0.870 0.667 1.428
2003 1.246 -0.647 -0.802 -1.077 0.317 0.402 0.399 0.000 1.939 -0.411 0.266 1.725
2004 -0.091 -1.159 -0.431 -0.650 0.359 -0.020 -0.395 0.000 0.000 -0.351 -0.185 0.335
2005 -1.362 -0.171 0.719 0.574 -1.020 1.078 1.786 0.000 0.000 -0.381 -1.206 -0.215
2006 0.327 -0.071 1.421 0.574 1.195 1.459 0.102 0.000 0.000 0.739 -0.290 0.045
2007 0.533 -0.874 0.583 1.646 1.108 1.040 1.755 0.000 0.000 0.401 2.132 0.713
2008 -1.105 -0.717 0.265 1.221 1.629 1.040 -0.395 1.172 0.982 0.889 1.369 -0.596
2009 -1.742 1.484 -0.932 -0.063 0.440 1.184 0.273 1.529 0.601 0.735 0.620 0.874
2010 -0.539 0.446 0.260 0.231 0.144 0.761 0.819 1.094 0.413 0.874 0.916 0.536
2011 -0.052 -0.698 -0.095 0.642 0.260 0.334 1.057 0.796 1.554 0.249 -0.088 -1.426
2012 2.015 -0.274 -1.769 0.341 1.896 -0.113 1.500 1.172 0.958 -0.575 0.483 0.022
2013 0.607 0.632 0.221 -0.140 1.396 2.264 0.447 0.566 0.978 0.942 -0.456 1.615
2014 1.417 0.778 -0.617 0.475 0.529 -0.615 1.097 1.759 0.000 -1.020 0.409 -0.171
2015 0.224 -0.753 0.660 0.816 0.359 0.402 0.196 0.000 0.538 -0.969 -1.646 0.165
Sumber : Hasil perhitungan
Lampiran 22 Desil stasiun hujan Sekotong (2015-2020 prediksi)
Tahun Jan Feb Mar Apr Mei Jun Jul Agust Sept Okt Nov Des
1990 10 1 10 1 4 1 1 9 9 4 1 6
1991 9 10 3 5 6 1 7 1 1 1 10 2
1992 3 9 7 2 1 1 8 1 10 7 8 2
1993 9 6 1 1 1 1 1 10 6 5 2 10
1994 5 5 10 4 1 5 1 1 1 4 8 4
1995 2 7 5 2 6 2 1 8 1 10 4 6
1996 2 7 5 2 6 2 2 8 1 10 4 6
1997 3 10 2 5 5 9 5 1 2 1 3 3
1998 3 1 9 7 2 5 10 5 10 9 7 8
1999 8 8 9 8 2 3 4 6 5 9 9 7
2000 5 4 9 9 9 5 2 2 2 1 1 1
2001 6 1 6 10 3 10 7 2 2 8 7 2
2002 4 9 1 8 2 4 2 2 3 2 7 9
2003 9 4 2 1 5 5 6 3 10 3 5 10
2004 5 2 4 2 5 4 3 3 3 4 4 7
2005 1 5 7 7 1 9 9 3 3 3 2 4
2006 6 6 10 7 8 10 5 4 4 6 3 5
2007 7 2 7 10 8 8 9 4 4 5 10 8
2008 2 3 6 9 9 8 3 6 7 7 10 3
2009 1 10 2 5 5 9 5 9 5 6 6 9
2010 4 7 6 6 4 7 7 6 5 7 9 7
2011 5 4 4 7 4 5 7 5 8 5 5 1
2012 10 5 1 6 10 3 9 6 7 2 6 5
2013 7 7 5 5 9 10 6 5 7 7 3 9
2014 10 8 3 6 6 2 8 10 4 1 5 4
2015 7 5 7 3 8 7 6 9 9 3 5 3
2016 6 6 3 4 10 8 10 5 8 5 2 10
2017 1 3 8 9 7 6 10 7 8 9 1 5
2018 8 8 5 10 7 7 4 9 6 6 7 5
2019 7 2 4 3 3 6 5 8 6 8 6 1
2020 4 3 8 4 8 6 4 6 8 8 9 8
Sumber : Hasil perhitungan
Lampiran 23 Desil stasiun hujan Sekotong (data real)
Tahun Jan Feb Mar Apr Mei Jun Jul Agust Sept Okt Nov Des
1990 10 1 10 1 4 1 1 10 9 5 1 6
1991 8 10 3 5 7 1 8 1 1 1 10 2
1992 3 8 8 2 1 1 9 1 10 8 8 1
1993 9 6 1 1 1 2 1 10 7 5 2 10
1994 5 5 10 3 1 5 1 1 1 5 8 4
1995 1 7 5 3 8 2 2 8 1 10 4 5
1996 1 7 5 3 8 2 2 8 2 10 4 5
1997 2 10 2 4 6 9 5 2 2 1 3 3
1998 3 1 9 7 3 5 10 6 10 10 7 8
1999 8 9 9 8 3 3 4 7 6 9 9 7
2000 6 4 8 10 10 7 2 2 2 1 1 1
2001 7 1 6 10 3 10 7 2 3 9 7 2
2002 4 8 1 9 2 4 3 3 3 3 7 9
2003 9 4 3 1 5 6 6 3 10 3 5 10
2004 5 2 4 2 5 4 3 4 4 5 5 7
2005 1 5 8 6 2 8 10 4 4 3 2 3
2006 6 6 10 6 8 10 5 4 4 6 3 5
2007 7 2 7 10 8 8 10 5 5 6 10 8
2008 1 3 6 9 10 8 4 7 8 8 10 3
2009 1 10 2 5 6 9 6 9 7 6 6 9
2010 4 6 6 5 4 7 7 7 6 7 9 8
2011 5 3 4 8 5 6 8 6 9 6 5 1
2012 10 5 1 6 10 3 9 7 8 3 6 5
2013 8 8 5 3 9 10 6 6 8 8 3 10
2014 10 8 3 6 7 3 8 10 5 1 5 4
2015 6 3 7 8 5 6 5 5 6 2 1 6
Sumber : Hasil perhitungan